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

基于多目标进化模糊聚类的图像分割方法研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第14-15页
缩略语对照表第15-19页
第一章 绪论第19-31页
    1.1 研究背景及意义第19页
    1.2 传统图像分割方法概述第19-22页
    1.3 多目标优化问题及算法概述第22-25页
        1.3.1 多目标优化问题描述第22-23页
        1.3.2 多目标进化算法简介第23-25页
    1.4 模糊聚类图像分割研究现状及难点第25-27页
    1.5 本文主要工作与章节安排第27-31页
第二章 基于分解策略和多目标进化模糊聚类的图像分割第31-65页
    2.1 引言第31页
    2.2 传统模糊c均值聚类图像分割算法第31-35页
    2.3 基于分解策略的多目标进化模糊聚类图像分割第35-41页
        2.3.1 多目标模糊聚类模型构建第35-38页
        2.3.2 算法框架及针对性算子设计第38-41页
        2.3.3 算法复杂度分析第41页
    2.4 实验结果与分析第41-64页
        2.4.1 实验设置第41-42页
        2.4.2 人工图像实验结果与分析第42-46页
        2.4.3 遥感图像实验结果与分析第46-48页
        2.4.4 自然图像实验结果与分析第48-55页
        2.4.5 医学图像实验结果与分析第55-60页
        2.4.6 算法分析与讨论第60-64页
    2.5 本章小结第64-65页
第三章 基于双层进化模糊聚类的图像分割第65-89页
    3.1 引言第65-66页
    3.2 结合图像局部信息的多目标进化模糊聚类第66-72页
        3.2.1 基于非均质测度的像素点采样第66-67页
        3.2.2 基于非均质像素的多目标模糊聚类问题建模第67-69页
        3.2.3 算法描述及复杂度分析第69-72页
    3.3 基于权衡解和模糊c均值聚类的图像分割第72-74页
    3.4 基于权衡解和自适应进化模糊聚类的图像分割第74-75页
    3.5 双层进化模糊聚类有效性分析与验证第75-85页
        3.5.1 实验参数设置与敏感性分析第75-78页
        3.5.2 双层进化模糊聚类框架有效性分析第78-80页
        3.5.3 人工图像实验与分析第80-82页
        3.5.4 遥感图像实验与分析第82-83页
        3.5.5 自然图像实验与分析第83-85页
    3.6 本章小结第85-89页
第四章 多目标进化模糊聚类第89-109页
    4.1 引言第89-90页
    4.2 传统进化模糊聚类图像分割算法第90-91页
    4.3 基于多目标进化的像素采样第91-95页
        4.3.1 多目标采样模型构建第91-93页
        4.3.2 算法描述第93-94页
        4.3.3 最终解选取及算法复杂度分析第94-95页
    4.4 多目标进化采样实验与分析第95-99页
        4.4.1 参数敏感性分析第95页
        4.4.2 采样有效性分析第95-99页
    4.5 基于图像局部与非局部信息的多目标进化模糊聚类第99-103页
        4.5.1 模型构建第99-101页
        4.5.2 算法描述及针对性算子设计第101-103页
        4.5.3 Pareto解选取及算法复杂度分析第103页
    4.6 多目标进化模糊聚类有效性分析与验证第103-106页
        4.6.1 参数设置与分析第104页
        4.6.2 多目标进化模糊聚类有效性分析第104页
        4.6.3 对比实验分析与讨论第104-106页
    4.7 本章小结第106-109页
第五章 基于图像局部与非局部信息模糊聚类的图像分割第109-125页
    5.1 引言第109页
    5.2 结合图像局部与非局部信息的模糊c均值聚类图像分割第109-110页
    5.3 结合图像局部与非局部信息的进化模糊聚类图像分割第110-112页
    5.4 基于信息熵的类标矫正策略第112-113页
    5.5 实验结果分析与对比第113-122页
        5.5.1 实验参数设置与分析第113-114页
        5.5.2 人工图像实验结果与分析第114页
        5.5.3 遥感图像实验结果与分析第114-119页
        5.5.4 自然图像实验结果与分析第119-121页
        5.5.5 算法性能分析与讨论第121-122页
    5.6 本章小结第122-125页
第六章 总结与展望第125-129页
参考文献第129-145页
致谢第145-147页
作者简介第147-149页

论文共149页,点击 下载论文
上一篇:面向大规模图像分类的层次化多任务学习算法研究
下一篇:序列挖掘中几类关键问题的模型及算法研究