智能算法在图像分割中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-21页 |
| ·选题依据与意义 | 第13-14页 |
| ·图像分割研究现状 | 第14-16页 |
| ·智能算法研究现状 | 第16-18页 |
| ·基于智能算法的图像分割研究现状 | 第18-19页 |
| ·本文的主要研究内容 | 第19-21页 |
| 第二章 模糊熵分割算法及其改进 | 第21-40页 |
| ·基本概念 | 第21-25页 |
| ·信息熵 | 第21-22页 |
| ·模糊熵 | 第22-23页 |
| ·灰色系统与灰色关联分析 | 第23-25页 |
| ·模糊熵分割算法 | 第25-27页 |
| ·基于二维直方图的改进模糊熵算法 | 第27-32页 |
| ·二维灰度直方图的改进 | 第27-28页 |
| ·隶属函数的改进 | 第28-29页 |
| ·实验研究 | 第29-32页 |
| ·基于灰色关联度的改进模糊熵算法I | 第32-36页 |
| ·算法原理 | 第32-34页 |
| ·实验研究 | 第34-36页 |
| ·基于灰色关联度的改进模糊熵算法II | 第36-38页 |
| ·算法原理 | 第36-37页 |
| ·实验研究 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 基于微粒群算法的模糊聚类分割 | 第40-57页 |
| ·微粒群算法原理与实现步骤 | 第40-42页 |
| ·改进微粒群算法及仿真研究 | 第42-48页 |
| ·改进方案 | 第42-43页 |
| ·仿真研究 | 第43-48页 |
| ·模糊聚类有效性指标函数 | 第48-50页 |
| ·基于变长度微粒群优化模糊聚类的图像分割 | 第50-56页 |
| ·变长度PSO 优化模糊聚类算法 | 第50-51页 |
| ·实验研究 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于跳跃基因遗传算法的模糊熵多阈值分割 | 第57-73页 |
| ·跳跃基因遗传算法 | 第57-64页 |
| ·算法原理 | 第57-58页 |
| ·算法实现步骤 | 第58-60页 |
| ·仿真研究 | 第60-64页 |
| ·改进跳跃基因遗传算法 | 第64-68页 |
| ·改进方案 | 第64-65页 |
| ·仿真研究 | 第65-68页 |
| ·基于跳跃基因遗传算法的图像多阈值分割 | 第68-72页 |
| ·模糊熵多阈值分割算法 | 第68-70页 |
| ·基于JGGA 算法的模糊熵多阈值分割算法及实验 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 基于蚁群算法的模糊熵多阈值分割 | 第73-83页 |
| ·蚁群算法原理 | 第73-78页 |
| ·生物学基础 | 第73-74页 |
| ·数学模型 | 第74-76页 |
| ·实现步骤与流程 | 第76-77页 |
| ·性能分析 | 第77-78页 |
| ·基于蚁群优化的模糊熵多阈值分割 | 第78-82页 |
| ·蚁群优化模糊熵算法 | 第78-80页 |
| ·实验研究 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| ·课题总结 | 第83-84页 |
| ·课题展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 致谢 | 第90-91页 |
| 在学期间的研究成果 | 第91页 |
