首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于群智优化的多阈值图像分割算法研究

摘要第4-6页
abstract第6-7页
专用术语注释表第10-13页
第一章 绪论第13-23页
    1.1 研究背景与意义第13-15页
        1.1.1 研究背景第13-15页
        1.1.2 研究意义第15页
    1.2 图像分割研究综述第15-19页
    1.3 论文的研究内容第19-20页
    1.4 论文的主要贡献第20-21页
    1.5 课题来源第21页
    1.6 论文结构第21-23页
第二章 基于群智优化的多阈值图像分割相关研究第23-32页
    2.1 引言第23-24页
    2.2 群智优化多阈值分割的相关目标函数第24-25页
    2.3 多阈值图像分割的相关群智优化算法第25-28页
    2.4 基于空间位置信息聚合的多阈值图像分割相关研究第28-29页
    2.5 基于模糊理论的多阈值图像分割相关研究第29-31页
    2.6 本章小结第31-32页
第三章 基于改进人工蜂群算法的阈值化图像分割第32-52页
    3.1 引言第32-33页
    3.2 多级图像阈值化的公式表达第33-35页
        3.2.1 基于阈值的图像分割第33-34页
        3.2.2 基于Kapur熵的阈值化目标函数第34-35页
    3.3 改进快速人工蜂群算法描述第35-39页
        3.3.1 标准人工蜂群算法第35-37页
        3.3.2 基于改进快速人工蜂群算法的图像分割第37-39页
    3.4 实验结果的分析与讨论第39-51页
        3.4.1 基于不同阈值的MQABC图像分割结果第41-44页
        3.4.2 最优目标函数及相关阈值比较分析第44-45页
        3.4.3 基于PSNR和FSIM的多级阈值图像分割质量评价第45-48页
        3.4.4 运行速度和收敛性比较第48-51页
    3.5 本章小结第51-52页
第四章 基于改进离散灰狼算法的阈值化图像分割第52-73页
    4.1 引言第52-53页
    4.2 目标函数的公式化第53-56页
        4.2.1 基于多阈值的区域划分方式第53-54页
        4.2.2 Otsu方法的公式化第54-56页
    4.3 基于改进离散灰狼算法的阈值化分割第56-62页
        4.3.1 标准灰狼算法第56-57页
        4.3.2 改进离散灰狼算法的初始化第57-58页
        4.3.3 MDGWO算法的迭代过程第58-61页
        4.3.4 改进离散灰狼算法伪代码第61-62页
    4.4 实验结果的分析与讨论第62-72页
        4.4.1 MDGWO相关参数设置第62-64页
        4.4.2 基于改进离散灰狼算法的图像分割结果第64-67页
        4.4.3 基于MDGWO的Kapur和Otsu多阈值图像分割算法比较第67-68页
        4.4.4 基于不同参数的图像分割质量评价第68-72页
    4.5 本章小结第72-73页
第五章 基于模糊理论和群智优化的阈值化图像分割第73-89页
    5.1 引言第73-74页
    5.2 基于模糊理论的群智优化目标函数第74-77页
        5.2.1 硬阈值化方法的目标函数第74-75页
        5.2.2 软阈值化方法的目标函数第75-77页
    5.3 基于模糊熵和群智优化的阈值化分割算法第77-80页
        5.3.1 基于模糊熵和改进快速人工蜂群算法的软阈值化算法第77-79页
        5.3.2 基于模糊熵和改进离散灰狼算法的软阈值化算法第79-80页
    5.4 实验结果的分析与讨论第80-88页
        5.4.1 基于MQABC的模糊多阈值图像分割结果第81-83页
        5.4.2 基于MDGWO的模糊多阈值图像分割结果第83-84页
        5.4.3 最优阈值与最优目标函数的比较分析第84-88页
    5.5 本章小结第88-89页
第六章 基于邻域信息聚合和群智优化的阈值化图像分割第89-114页
    6.1 引言第89-90页
    6.2 基于邻域相关性的软阈值化分割第90-91页
    6.3 软阈值化方法及模糊隶属度函数的选择第91-94页
        6.3.1 模糊隶属度函数的选择第91-93页
        6.3.2 基于群智优化的软阈值化方法第93-94页
    6.4 模糊隶属度初始化与局部信息聚合第94-103页
        6.4.1 基于伪梯形模糊隶属度函数的模糊度初始化第94-97页
        6.4.2 基于邻域空间信息的模糊隶属度聚合第97-98页
        6.4.3 模糊隶属度聚合方法的比较分析第98-103页
    6.5 实验结果的分析与讨论第103-112页
        6.5.1 基于群智优化和模糊聚合的图像分割结果第104-105页
        6.5.2 基于PSNR的图像分割质量评价第105-108页
        6.5.3 运行时间的比较分析第108-110页
        6.5.4 模糊熵,标准差和平均目标函数的比较分析第110-112页
    6.6 本章小结第112-114页
第七章 总结与展望第114-117页
    7.1 论文总结第114-115页
    7.2 工作展望第115-117页
参考文献第117-127页
附录1 图表清单第127-129页
附录2 攻读博士学位期间撰写的论文第129-130页
附录3 攻读博士学位期间申请的专利第130-131页
附录4 攻读博士学位期间参加的科研项目第131-132页
致谢第132页

论文共132页,点击 下载论文
上一篇:基于异常检测的无线传感器网络攻击源识别技术的研究
下一篇:协作无线传感器网络中的传输能效性与安全性研究