首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于图像多阈值分割的BBO算法改进研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-16页
    1.1 研究背景与意义第11-12页
    1.2 研究现状第12-14页
        1.2.1 多阈值分割研究现状第12-13页
        1.2.2 BBO算法研究现状第13-14页
    1.3 主要研究内容第14页
    1.4 本文的结构安排第14-16页
第二章 图像分割基本原理第16-21页
    2.1 图像分割概述第16-17页
    2.2 阈值分割第17-20页
        2.2.1 最大熵多阈值分割准则第18页
        2.2.2 最小交叉熵多阈值分割准则第18-19页
        2.2.3 OTSU多阈值分割准则第19-20页
    2.3 小结第20-21页
第三章 基本BBO算法介绍第21-29页
    3.1 BBO算法起源第21页
    3.2 BBO算法的数学模型第21-24页
    3.3 生物地理学优化算法第24-26页
        3.3.1 迁移算子第24-25页
        3.3.2 变异算子第25-26页
        3.3.3 精英保留策略第26页
    3.4 BBO算法流程第26-28页
    3.5 小结第28-29页
第四章 多源迁移和自适应变异BBO算法的多阈值分割第29-36页
    4.1 多源迁移算子第29-30页
    4.2 自适应变异算子第30页
    4.3 贪婪选择算子第30-31页
    4.4 PSBBO算法应用到图像多阈值分割中第31页
    4.5 实验结果与分析第31-35页
    4.6 小结第35-36页
第五章 动态迁移和椒盐变异融合BBO算法的多阈值分割第36-43页
    5.1 动态扰动的迁移算子第36-37页
    5.2 椒盐扰动的变异算子第37-38页
    5.3 DSBBO算法应用到图像多阈值分割中第38-39页
    5.4 实验结果与分析第39-42页
    5.5 小结第42-43页
第六章 简约BBO算法的图像多阈值分割第43-50页
    6.1 简约BBO算法第43-45页
    6.2 基于SBBO算法的图像多阈值分割第45-46页
    6.3 实验结果与分析第46-49页
    6.4 小结第49-50页
第七章 基于BBO算法的图像多阈值分割系统的实现第50-57页
    7.1 系统总体设计第50-51页
    7.2 系统功能模块第51页
    7.3 系统运行及结果第51-56页
    7.4 小结第56-57页
第八章 总结与展望第57-59页
    8.1 工作总结第57页
    8.2 工作展望第57-59页
参考文献第59-63页
致谢第63-65页
攻读硕士学位期间的科研成果第65-66页

论文共66页,点击 下载论文
上一篇:毕淑敏《红处方》话语情态分析
下一篇:省以下环保机构监测监察执法垂直管理制度研究