太赫兹同轴数字全息图像的抗噪声分割算法研究

目录

第1 章 绪 论

1.1 课题背景及研究的目的和意义

1.2 国外图像分割算法的研究现状

1.2.1 基于区域生长的图像分割算法

1.2.2 基于均值聚类算法的图像分割算法

1.2.3 基于神经网络的图像分割算法

1.2.4 针对太赫兹图像的分割算法

1.3 国内图像分割算法的研究现状

1.3.1 基于区域生长的图像分割算法

1.3.2 基于均值聚类图像分割算法

1.3.3 基于神经网络的图像分割算法

1.3.4 针对太赫兹图像的分割算法

1.3.5 太赫兹全息再现图像特点小结

1.4 国内外分割算法综述

1.5 本文的主要研究内容

第2章 进化算法优化区域生长的太赫兹图像分割算法

2.1 进化算法优化区域生长算法的原理

2.1.1 预处理及种子获取原理

2.1.2 区域生长算法原理

2.1.3 进化算法原理

2.1.4 图像分割效果的客观评价指标

2.2 遗传算法优化区域生长的太赫兹图像分割研究

2.2.1 复合算法思路及实现

2.2.2 图像预处理与形态学腐蚀参数优化

2.2.3 遗传算法优化研究

2.3 差分算法优化区域生长的太赫兹图像分割研究

2.4 两种进化算法优化的区域生长分割结果比较

2.4.1 太赫兹全息再现像的分割效果比较

2.4.2 可见光图像的分割效果比较

2.5 本章小结

第3章 结合空间信息的太赫兹图像聚类分割算法研究

3.1 均值聚类算法原理简介

3.1.1 K 均值聚类算法原理

3.1.2 模糊 C 均值聚类算法原理

3.1.3 结合空间信息约束的模糊 C 均值聚类算法原理

3.2 K 均值聚类算法分割太赫兹图像

3.3 模糊 C 均值聚类算法分割太赫兹图像

3.4 FCM-S 算法太赫兹图像分割

3.5 复合的 FCM-S 算法太赫兹图像分割研究

3.5.1 复合算法思路

3.5.2 复合的 FCM-S 算法对太赫兹图像的分割结果

3.6 本章小结

第4 章 基于BP 神经网络的太赫兹图像分割算法研究

4.1 BP 神经网络的原理

4.1.1 经典梯度下降法神经网络原理

4.1.2 优化的神经网络原理

4.2 算法思路及实现

4.3 BP 神经网络训练样本研究及太赫兹图像分割

4.4 针对太赫兹图像分割的 BP 神经网络的速度和性能的优化

4.4.1 针对太赫兹图像分割的神经网络学习速率的优化

4.4.2 引入动量法对太赫兹图像分割效果的影响

4.4.3 神经网络分割太赫兹图像中两种训练算法的比较

4.5 预处理后的 BP 神经网络太赫兹图像的分割结果

4.6 本论文抗噪声分割算法比较总结

4.7 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致 谢