| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1. 绪论 | 第10-14页 |
| ·本论文的研究目的及其意义 | 第10-11页 |
| ·图像分割的研究现状 | 第11-12页 |
| ·本论文的主要工作 | 第12-13页 |
| ·本论文的内容安排 | 第13-14页 |
| 2. 图像分割的原理和方法 | 第14-24页 |
| ·图像分割简介 | 第14-15页 |
| ·图像分割的定义 | 第15页 |
| ·图像分割的基本方法 | 第15-23页 |
| ·阈值分割 | 第16-21页 |
| ·边缘检测 | 第21-22页 |
| ·区域的生长和分裂合并 | 第22-23页 |
| ·其他分割方法 | 第23页 |
| ·分割结果的评价 | 第23-24页 |
| 3. 遗传算法的基本理论 | 第24-34页 |
| ·遗传算法的基本概念 | 第24-25页 |
| ·标准遗传算法 | 第25-27页 |
| ·标准遗传算法的基本流程 | 第25页 |
| ·标准遗传算法的要素 | 第25-27页 |
| ·遗传算法的基本原理 | 第27-28页 |
| ·遗传算法的特点 | 第28-30页 |
| ·传统搜索算法 | 第28-29页 |
| ·遗传算法的特点 | 第29-30页 |
| ·遗传算法理论研究现状 | 第30-32页 |
| ·遗传算法的理论基础、数学模型 | 第30-31页 |
| ·混合遗传算法（HGA, hybrid GA）研究 | 第31页 |
| ·遗传算法的并行化 | 第31-32页 |
| ·借鉴自然现象提出新的算法模型 | 第32页 |
| ·遗传算法的应用研究现状 | 第32-34页 |
| 4. 基于最佳熵算法(KSW 法)的遗传算法 | 第34-42页 |
| ·最佳熵自动阈值分割算法 | 第34-35页 |
| ·基于最佳熵算法的遗传算法 | 第35-38页 |
| ·实验结果与分析 | 第38-42页 |
| ·KSW 法与引入遗传算法后的结果分析 | 第38-40页 |
| ·最佳熵法、全局阈值迭代分割法和otsu 法的结果分析 | 第40-42页 |
| 5. 基于遗传算法的二维熵图像分割方法 | 第42-55页 |
| ·相关概念 | 第42-43页 |
| ·二维灰度直方图 | 第42-43页 |
| ·二维阈值化 | 第43页 |
| ·二维最大熵阈值法 | 第43-46页 |
| ·基于改进型遗传算法的二维熵图像分割方法 | 第46-55页 |
| ·算法的基本思路 | 第46-50页 |
| ·算法的步骤 | 第50-51页 |
| ·本文算法在技术上的改进 | 第51页 |
| ·实验结果分析 | 第51-55页 |
| 6. 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 个人简历 | 第61页 |