| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·PSO理论研究现状 | 第12-13页 |
| ·PSO应用研究现状 | 第13-14页 |
| ·论文结构安排 | 第14-16页 |
| 第2章 图像分割的原理和方法 | 第16-24页 |
| ·图像分割概述 | 第16-17页 |
| ·图像分割的定义 | 第17页 |
| ·图像分割的方法 | 第17-21页 |
| ·图像分割结果的评价 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 群智能优化算法 | 第24-34页 |
| ·粒子群优化算法 | 第24-30页 |
| ·算法原理 | 第24-26页 |
| ·算法的粒子移动表示 | 第26页 |
| ·标准PSO算法 | 第26-27页 |
| ·算法流程 | 第27-28页 |
| ·算法的参数分析 | 第28-29页 |
| ·PSO算法的特点 | 第29-30页 |
| ·Geese-PSO算法 | 第30-31页 |
| ·人工蜂群算法 | 第31-33页 |
| ·算法描述 | 第31-32页 |
| ·算法流程 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于改进PSO算法的二维最佳熵阈值图像分割 | 第34-48页 |
| ·相关概念 | 第34-36页 |
| ·二维灰度直方图 | 第34-35页 |
| ·二维阈值化 | 第35-36页 |
| ·二维最大熵阈值分割法 | 第36-37页 |
| ·基于改进Gesse-PSO算法的二维熵图像分割 | 第37-43页 |
| ·改进算法的思想 | 第37-39页 |
| ·算法的步骤 | 第39-40页 |
| ·实验结果分析 | 第40-43页 |
| ·基于蜂群的PSO算法的二维最佳熵阈值图像分割 | 第43-45页 |
| ·改进算法的思想 | 第43页 |
| ·算法的步骤 | 第43-44页 |
| ·实验结果分析 | 第44-45页 |
| ·本章小结 | 第45-48页 |
| 第5章 基于PSO的谱聚类在图像分割中的应用 | 第48-56页 |
| ·谱聚类的基础理论 | 第48-50页 |
| ·图划分理论 | 第48-49页 |
| ·谱图理论 | 第49-50页 |
| ·谱聚类 | 第50-52页 |
| ·谱聚类概述 | 第50页 |
| ·谱聚类算法 | 第50-51页 |
| ·谱聚类算法流程 | 第51-52页 |
| ·基于PSO优化的谱聚类算法在图像分割中的应用 | 第52-55页 |
| ·基于PSO的谱聚类 | 第52-53页 |
| ·仿真实验结果及其结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·论文总结 | 第56-57页 |
| ·未来展望 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |