| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 引言 | 第6-12页 |
| ·图像分割的研究背景及意义 | 第6-7页 |
| ·图像分割方法的研究现状 | 第7-10页 |
| ·图像分割的定义 | 第7-8页 |
| ·图像分割方法的分类及研究现状 | 第8-10页 |
| ·本文主要研究内容及结构安排 | 第10-12页 |
| ·主要研究内容 | 第10-11页 |
| ·本文结构安排 | 第11-12页 |
| 第二章 灰色系统理论、神经网络及其优化算法的理论介绍 | 第12-28页 |
| ·灰色系统理论 | 第12-18页 |
| ·灰色系统理论简介 | 第12-13页 |
| ·灰色系统的概念与基本原理 | 第13-16页 |
| ·灰色关联分析 | 第16-18页 |
| ·人工神经网络 | 第18-24页 |
| ·概述 | 第18-19页 |
| ·神经网络的自学习过程 | 第19-21页 |
| ·神经网络的结构与特征 | 第21-22页 |
| ·RBF 神经网络 | 第22-24页 |
| ·量子遗传算法 | 第24-26页 |
| ·概述 | 第24-25页 |
| ·量子比特编码 | 第25-26页 |
| ·量子门 | 第26页 |
| ·k 均值聚类 | 第26-28页 |
| 第三章 基于灰色关联分析和RBF 网络的分割算法 | 第28-34页 |
| ·k 均值和量子遗传对RBF 网络的优化 | 第28-32页 |
| ·K 均值聚类选取网络中心 | 第28-30页 |
| ·量子遗传算法（QGA）优化网络权值 | 第30-31页 |
| ·算法步骤 | 第31-32页 |
| ·灰色关联分析与RBF 相结合的图像分割算法 | 第32-34页 |
| ·灰色关联分析提取目标图像的边缘特征 | 第32-33页 |
| ·算法步骤 | 第33-34页 |
| 第四章 实验结果及分析 | 第34-38页 |
| ·k 均值和量子遗传算法对RBF 神经网络的优化结果 | 第34-36页 |
| ·图像分割结果及分析 | 第36-38页 |
| 第五章 工作总结与展望 | 第38-40页 |
| ·本文工作总结 | 第38页 |
| ·展望 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士期间发表的学术论文 | 第43-44页 |
| 致谢 | 第44页 |