文摘
英文文摘
声明
第一章绪论
1.1图像分割的研究意义
1.2彩色图像分割的研究现状与意义
1.3智能信息处理在图像分割中的研究意义
1.4主要研究内容与论文安排
第二章彩色视觉与颜色空间
2.1彩色视觉
2.2三色学说
2.3颜色空间模型
第三章彩色图像分割方法概述
3.1图像分割的定义
3.2图像分割的基本技术
3.3经典彩色图像分割方法
3.3.1彩色图像分割原理
3.3.2经典彩色图像分割方法
3.4智能彩色图像分割方法
3.4.1智能算法研究历史与现状
3.4.2智能图像分割方法
3.4.3混合智能算法研究历史与现状
第四章基于SOFM神经网络的彩色图像模糊聚类分割
4.1聚类算法的研究
4.1.1聚类的定义
4.1.2国内外研究现状
4.1.3模糊聚类分析
4.1.4基于目标函数的模糊聚类
4.1.5颜色聚类的本质
4.2自组织特征映射网络(SOFM)研究
4.2.1自组织特征映射网络(SOFM)简介
4.2.2 SOFM算法步骤
4.3基于SOFM网络的彩色图像模糊聚类分割
4.3.1 SOFM网络学习算法在图像分割中的具体实现
4.3.2 SOFM网络竞争层节点的自适应聚类分析
4.3.3基于SOFM网络的彩色图像自适应聚类分割
4.3.4实验结果与分析
第五章基于遗传算法的模糊熵多阈值彩色图像分割
5.1遗传算法的研究
5.1.1遗传算法的基本原理
5.1.2遗传算法的基本步骤
5.1.3遗传算子
5.2基于遗传算法的多阈值自适应彩色图像分割
5.2.1熵阈值分割
5.2.2基于遗传算法的模糊熵多阈值分割
5.2.3可变码长GA的自适应多阈值分割
5.2.4实验结果与分析
第六章基于蚁群算法的混合彩色图像分割
6.1蚁群算法
6.1.1蚁群算法的研究历史与现状
6.1.2蚁群算法的基本思想
6.1.3蚁群聚类的基本原理
6.2基于蚁群算法的模糊C均值聚类彩色图像分割
6.2.1基于蚁群觅食原理的蚁群聚类学习方法
6.2.2基于蚁群算法的模糊C均值聚类
6.2.2实验结果与分析
6.3基于遗传算法和蚁群聚类算法融合(GA2C2A)彩色图像分割
6.3.1遗传算法与蚁群聚类算法的融合(GA2C2A)
6.3.2 GA2C2A算法的基本原理和设计思想
6.3.3 GA2C2A算法中遗传算法的定义设置及流程
6.3.4 GA2C2A算法中蚁群聚类算法的改进
6.3.5遗传算法和蚁群聚类算法的衔接及分割算法整体框架的实现
6.3.6实验结果与分析
结论
参考文献
攻读学位期间发表的论文
致谢