自然计算及其图像处理与分析应用 pdf下载

基本信息

书名：自然计算及其图像处理与分析应用

定价：98.00元

作者：叶志伟,王明威,王春枝

出版社：中国水利水电出版社

出版日期：2019-04-01

ISBN：9787517072799

字数：

页码：336

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

内容提要

《自然计算及其图像处理与分析应用》对自然计算、机器学习、图像处理与分析的三个前沿领域进行了论述，特别是围绕自然计算在图像处理分析和机器学习中的参数调优应用问题进行了深入探讨。主要内容包括进化计算、群集智能、图像增强、图像分割、图像匹配、图像融合、图像特征抽取、图像的分类等。n
　　《自然计算及其图像处理与分析应用》着重对上述领域的外发展现状进行总结，阐述作者对自然计算图像处理与分析领域中的应用的思考。n
　　《自然计算及其图像处理与分析应用》可以作为计算机科学、信息科学、人工智能自动化等相关领域从事自然计算、机器学习、图像处理与分析的相关专业计算人员的参考书、也可以作为相关专业高年级本科生或者研究生的教材。

目录

章 绪论n
1．1 从人工智能到自然计算n
1．2 自然计算概述n
1．2．1 自然计算的基本概念n
1．2．2 经典自然计算研究分支和主要应用领域n
1．2．3 自然计算的新发展和混合自然算法n
1．3 图像处理和分析概述n
1．3．1 图像处理的基本内容概述n
1．3．2 图像分析的关键技术概述n
1．3．3 自然计算在图像处理和分析中的应用研究现状n
1．4 本书主要研究内容和结构n
n
上篇n
第2章 蚁群算法概述n
2．1 蚁群觅食行为和蚁群觅食策略n
2．1．1 蚁群觅食行为n
2．1．2 自然优化——二元桥实验n
2．2 蚁群算法的基本概念、过程和特征n
2．2．1 蚁群算法的基本思想n
2．2．2 蚂蚁系统一蚁群算法的原型n
2．2．3 人工蚁群算法的实现过程n
2．3 算法的收敛性n
2．4 基本蚁群算法的改进及与其他算法融合n
2．4．1 带精英策略的蚂蚁系统n
2．4．2 蚁群系统及其他改进和融合算法n
2．5 蚁群优化与其他算法的关系n
2．6 二进制蚁群算法n
2．6．1 基本二进制蚁群算法模型n
2．6．2 二进制蚁群算法同解决TSP问题的ACO比较n
2．7 蚁群算法展望n
第3章 萤火虫算法概述n
3．1 萤火虫算法的基本原理n
3．2 萤火虫算法的数学描述n
3．3 标准萤火虫算法优缺点n
3．4 改进的萤火虫算法n
3．4．1 分簇策略n
3．4．2 莱维飞行n
3．4．3 CBLFA实现n
3．5 仿真测试比较n
第4章 万有引力算法概述n
4．1 万用引力算法基本原理n
4．2 改进万有引力算法n
4．2．1 混沌映射n
4．2．2 莱维飞行n
4．2．3 二进制编码形式n
4．2．4 算法基本流程n
4．3 算法性能测试n
第5章 其他常用优化算法及函数优化性能测试n
5．1 常用进化算法概述n
5．1．1 遗传算法概述n
5．1．2 差分进化算法概述n
5．2 其他常用群集智能优化算法概述n
5．2．1 人工蜂群算法概述n
5．2．2 杜鹃搜索算法概述n
5．2．3 蝙蝠算法概述n
5．2．4 水波优化算法n
5．2．5 烟花算法n
5．3 部分算法的仿真测试比较及I生能分析n
5．3．1 遗传算法仿真测试及性能分析n
5．3．2 差分进化算法仿真测试及性能分析n
5．3．3 粒子群算法仿真测试及性能分析n
5．3．4 人工蜂群算法仿真测试及性能分析n
5．3．5 杜鹃搜索算法仿真测试及性能分析n
5．3．6 萤火虫算法仿真测试及性能分析n
5．3．7 算法的性能比较n
n
下篇n
第6章 基于自然计算的图像增强n
6．1 图像增强概述n
6．2 基于蚁群优化算法的模糊图像增强方法n
6．2．1 基本图像模糊增强算法n
6．2．2 基于直方图特征的图像模糊增强算法n
6．2．3 基于BACO的模糊参数自适应选取n
6．2．4 图像自适应增强的试验与分析n
6．3 基于ICS算法的非完全Beta函数图像增强方法n
6．4 基于CBLFA归一化的非完全Beta函数增强图像方法n
6．4．1 算法设计思路n
6．4．2 算法设计实验结果与分析n
6．5 基于BA改进的非完全Beta函数图像增强方法n
6．5．1 蝙蝠算法用于归一化的非完全Beta函数参数自适应选取n
6．5．2 仿真实验与结果分析n
第7章 基于自然计算的图像聚类分割方法n
7．1 C-Means算法概述n
7．2 基于ACO聚类的图像分割方法n
7．2．1 基于ACO聚类的图像分割方法模型n
7．2．2 基于ACO聚类的图像分割方法模型实验结果与分析n
7．3 Fuzzy C-Means算法概述n
7．4 基于蝙蝠算法改进Fuzzy C-Means分割方法n
7．4．1 基于蝙蝠算法改进Fuzzy C-Means分割方法基本思路n
7．4．2 实验结果和分析n
第8章 基于自然计算的单阈值图像分割方法n
8．1 图像阈值化分割概述n
8．1．1 常用单阈值图像分割方法n
8．1．2 常用的二维直方图阈值分割方法n
8．2 基于蚁群算法优化的图像一维阈值方法n
8．2．1 基于蚁群算法优化的图像一维阈值化方法数学模型n
8．2．2 基于蚁群算法优化的图像一维阈值化方法实验仿真和分析n
8．3 基于ICS优化的大模糊熵的单阈值分割法n
8．3．1 大模糊熵阈值法数学模型n
8．3．2 基于ICS算法优化的大模糊熵图像阈值分割方法n
8．3．3 算法实验仿真与分析n
8．4 基于二维直方图的阈值分割法n
8．4．1 基于ICS改进的二维Fisher准则阈值分割法n
8．4．2 基于ICS优化的二维大Kapur熵阈值分割法n
8．4．3 基于ICS优化的二维小交叉熵阈值分割法n
8．4．4 基于CBLFA优化的二维直方图的Otsu阈值分割方法n
第9章 基于自然计算的多阈值图像分割方法n
9．1 图像多阈值化分割概述n
9．1．1 常用的基于一维直方图的多阈值图像分割算法n
9．1．2 基于三维直方图的Otsu阈值分割方法n
9．2 基于ICS和大模糊熵的多阈值分割法n
9．2．1 基于ICS优化大模糊熵的多阈值步骤n
9．2．2 基于ICS优化大模糊熵的多阈值实验仿真与分析n
9．3 基于FA优化的多维阈值分割法n
9．3．1 基于FA优化Otsu的多阈值分割方法n
9．3．2 基于FA优化的小交叉熵多阈值图像分割方法n
9．4 基于CBLFA优化Otsu的多阈值分割法n
9．5 基于CBLFA优化三维直方图的Otsu阈值分割方法n
0章 基于自然计算的图像匹配和图像融合方法n
10．1 图像匹配和图像融合概述n
10．2 基于灰色关联分析和水波优化的快速图像配准方法n
10．3 基于水波优化Contourlet变换的图像融合方法n
10．3．1 Contourlet变换概述n
10．3．2 传统的基于Contourlet变换的图像融合算法n
10．3．3 提出优化的Contourlet变换的图像融合方法n
1章 基于自然计算的纹理特征抽取方法n
11．1 图像纹理特征概述n
11．2 基于“Tuned”模板图像纹理特征提取模型n
11．3 基于BACO的“Tuned”模板的优化方法n
11．3．1 基于BACO的“Tuned”模板的优化算法模型n
11．3．2 实验与分析n
11．4 产生“Tuned”模板的混沌粒子群算法n
11．4．1 产生“Tuned”模板粒子群算法思路n
11．4．2 产生“Tuned”模板的混沌粒子群算法n
11．5 产生“Tuned”模板的改进杜鹃搜索算法n
11．5．1 基于ICS算法的“Tuned”模板纹理特征抽取思路n
11．5．2 实验仿真与分析n
11．6 基于GSA的“Tuned”纹理模板优化和居民地识别n
11．6．1 公共数据集纹理图像的实验n
11．6．2 真实遥感图像分类实验n
2章 基于自然计算的图像特征选择方法n
12．1 特征提取和选择概述n
12．2 基于ACO特征选择方法n
12．2．1 基于ACO特征选择方法模型构建n
12．2．2 特征选择试验和分析n
12．3 基于ICS的遥感图像特征选择n
12．3．1 基于ICS算法的遥感图像特征选择基本思路n
12．3．2 基于ICS算法的遥感图像特征选择实验仿真与分析n
12．4 基于烟花算法的小波纹理特征选择n
12．4．1 Gabor小波变换简介n
12．4．2 烟花算法在特征选择中的应用n
12．4．3 实验对比和分析n
12．5 基于Relief算法和Gabor变换的纹理分类方法n
12．5．1 相关理论概述n
12．5．2 基于Relief算法的Gabor纹理特征提取方法n
12．5．3 实验结果与分析n
3章 基于自然计算的图像分类器优化构建n
13．1 图像分类算法概述n
13．2 支持向量机分类器n
13．2．1 支持向量机概述n
13．2．2 支持向量机理论基础n
13．3 基于ICS算法和支持向量机的遥感图像分类方法n
13．3．1 支持向量机参数优化概述n
13．3．2 基于ICS算法的SVM参数优化过程n
13．3．3 实验仿真与分析n
13．4 基于杂交水稻算法优化ELM的纹理图像分类方法n
13．4．1 极限学习机概述n
13．4．2 基于杂交水稻算法的极限学习机参数优化方法n
13．4．3 实验结果和分析n
参考文献

作者介绍

文摘

序言