| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-14页 |
| ·阈值分割概论 | 第11页 |
| ·粒子群算法简介 | 第11-12页 |
| ·量子粒子群算法简介 | 第12-13页 |
| ·本文的主要工作 | 第13页 |
| ·本文结构 | 第13-14页 |
| 第二章 智能优化算法综述 | 第14-27页 |
| ·引言 | 第14页 |
| ·遗传算法（GA） | 第14-17页 |
| ·遗传算法的思想起源 | 第14-15页 |
| ·遗传算法的基本原理 | 第15页 |
| ·遗传算法的流程 | 第15-16页 |
| ·遗传算法的特点 | 第16-17页 |
| ·粒子群算法（PSO） | 第17-21页 |
| ·粒子群算法的思想起源 | 第17-18页 |
| ·粒子群算法的基本原理 | 第18-19页 |
| ·粒子群算法流程 | 第19-20页 |
| ·粒子群算法的发展 | 第20页 |
| ·粒子群算法的特点 | 第20-21页 |
| ·量子粒子群算法（QPSO） | 第21-27页 |
| ·相关的量子理论 | 第21-23页 |
| ·量子粒子群算法的基本原理 | 第23-25页 |
| ·量子粒子群算法流程 | 第25页 |
| ·量子粒子群算法的优点 | 第25-27页 |
| 第三章 量子粒子群算法在阈值选取中的应用 | 第27-35页 |
| ·阈值分割原理 | 第27页 |
| ·常用的阈值选取方法 | 第27-28页 |
| ·直方图分割法 | 第27-28页 |
| ·最佳阈值分割法 | 第28页 |
| ·基于QPSO 的阈值分割算法 | 第28-35页 |
| ·最大类间方差法（Otsu） | 第29-31页 |
| ·基于QPSO 的双阈值分割算法 | 第31页 |
| ·实验数据分析 | 第31-35页 |
| 第四章 改进的量子粒子群算法在阈值选取中的应用 | 第35-46页 |
| ·改进的量子粒子群算法 | 第35-36页 |
| ·标准量子粒子群算法的缺点 | 第35页 |
| ·基于边界控制的量子粒子群算法BQPSO | 第35-36页 |
| ·BQPSO 算法在图像阈值分割中的应用 | 第36-43页 |
| ·实验数据分析 | 第36-43页 |
| ·基于BQPSO 的双阈值分割算法在免疫细胞图像分割中的应用 | 第43-46页 |
| 总结与展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录A 攻读学位期间发表的学术论文 | 第52页 |