文摘
英文文摘
声明
第一章 绪论
1.1 蚁群算法
1.1.1 蚁群算法的历史及科学意义
1.1.2 蚁群算法的研究概况
1.1.3 蚁群算法特征
1.2 图像分割
1.2.1 图像分割的原理及方法分类
1.2.2 图像分割的研究现状及发展趋势
1.3 本文工作内容
第二章 基本蚁群算法理论
2.1 蚁群算法概述
2.1.1 蚁群算法起源
2.1.2 蚂蚁群体行为模式
2.1.3 人工蚁群系统
2.2 基本蚁群算法模型
2.3 经典的改进蚁群算法
2.3.1 蚁群系统(ACS)
2.3.2 最大最小系统(MMAS)
2.4 本章小结
第三章 基于区域-边界蚂蚁的改进蚁群算法应用于图像分割
3.1 算法的基本思想
3.2 算法模型
3.2.1 图像特征提取及聚类中心初始化
3.2.2 路径选择策略
3.2.3 信息素更新策略
3.2.4 边界蚁群的搜索策略
3.2.5 算法流程图
3.3 实验及分析
3.4 本章小结
第四章 蚁群-脉冲耦合神经网络混合算法应用于图像分割
4.1 脉冲耦合神经网络概述
4.1.1 大脑皮层视觉神经系统
4.1.2 Eckhorn神经元模型
4.1.3 脉冲耦合神经网络模型
4.1.4 脉冲耦合神经网络工作原理
4.2 蚁群-脉冲耦合神经网络混合算法
4.3 实验与分析
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录: 作者在攻读硕士学位期间发表的论文