基于MFO算法与PCNN的图像分割研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 图像分割概述 | 第9-11页 |
| 1.2.1 图像分割定义 | 第9-10页 |
| 1.2.2 常见图像分割方法 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 基于PCNN的图像分割研究现状 | 第11-12页 |
| 1.3.2 MFO算法的研究现状 | 第12-13页 |
| 1.4 论文主要研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 基于PCNN的图像分割 | 第16-25页 |
| 2.1 PCNN概述 | 第16-21页 |
| 2.1.1 PCNN的基本模型 | 第16-18页 |
| 2.1.2 PCNN的工作原理 | 第18-21页 |
| 2.1.3 PCNN的基本特征 | 第21页 |
| 2.2 基于PCNN的图像分割 | 第21-24页 |
| 2.2.1 PCNN的简化模型 | 第21-23页 |
| 2.2.2 基于PCNN的图像分割方法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 MFO算法的改进 | 第25-38页 |
| 3.1 MFO算法介绍 | 第25-28页 |
| 3.1.1 仿生原理 | 第25-26页 |
| 3.1.2 优化过程 | 第26-28页 |
| 3.1.3 MFO算法步骤 | 第28页 |
| 3.2 飞蛾扑火改进算法AMFO和ASMFO | 第28-31页 |
| 3.2.1 AMFO算法 | 第29-30页 |
| 3.2.2 ASMFO算法 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-37页 |
| 3.3.1 测试函数 | 第31-33页 |
| 3.3.2 实验结果 | 第33-36页 |
| 3.3.3 结果对比分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于MFO算法优化PCNN的图像分割 | 第38-50页 |
| 4.1 改进MFO算法优化PCNN的图像分割 | 第38-42页 |
| 4.1.1 PCNN优化的必要性 | 第38页 |
| 4.1.2 适应度函数的选择 | 第38-39页 |
| 4.1.3 基于MFO优化PCNN的图像分割 | 第39-40页 |
| 4.1.4 基于AMFO优化PCNN的图像分割 | 第40-41页 |
| 4.1.5 基于ASMFO优化PCNN的图像分割 | 第41-42页 |
| 4.2 实验结果与分析 | 第42-49页 |
| 4.2.1 图像分割评价指标 | 第42-43页 |
| 4.2.2 结果与分析 | 第43-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
