掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
基于MATLAB和遺傳算法的圖像處理 版權信息
- ISBN：9787560636351
- 條形碼：9787560636351 ; 978-7-5606-3635-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于MATLAB和遺傳算法的圖像處理 本書特色
《基于matlab和遺傳算法的圖像處理》系統介紹了matlab環境下遺傳算法的功能特點及其在圖像處理中的應用。全書共分為7章。首章至第三章介紹遺傳算法的基礎知識，包括遺傳算法的基本原理，編碼、選擇、交叉、變異，適應度函數，控制參數選擇，約束條件處理，模式定理，改進的遺傳算法，早熟收斂問題及其防止，小生境技術等。第四章介紹圖像處理的基礎知識，第五章介紹matlab遺傳算法工具箱及其使用方法。第六章和第七章舉例介紹多種基于遺傳算法的圖像分割、恢復、增強、拼接等方法，并給出了程序代碼。
基于MATLAB和遺傳算法的圖像處理 內容簡介
本書系統介紹了MATLAB環境下遺傳算法的功能特點及其在圖像處理中的應用。全書共分為7章。**章至第三章介紹遺傳算法的基礎知識，包括遺傳算法的基本原理，編碼、選擇、交叉、變異，適應度函數，控制參數選擇，約束條件處理，模式定理，改進的遺傳算法，早熟收斂問題及其防止，小生境技術等。第四章介紹圖像處理的基礎知識，第五章介紹MATLAB遺傳算法工具箱及其使用方法。第六章和第七章舉例介紹多種基于遺傳算法的圖像分割、恢復、增強、拼接等方法，并給出了程序代碼。 本書取材新穎，內容豐富，理例結合，圖文并茂，注重應用。書中包含大量的實例和對應的程序代碼，便于自學、應用和舉一反三。 本書可作為高等院校計算機、自動化、信息、管理、控制與系統工程等專業本科生或研究生的教學參考書，也可供其他專業的師生以及科研和工程技術人員自學或參考。
基于MATLAB和遺傳算法的圖像處理 目錄
**章緒論 1.1遺傳算法基礎 1.1.1遺傳算法的由來和發展 1.1.2生物遺傳與ga原理 1.1.3ga與傳統方法比較 1.1.4ga的特點和優缺點 1.1.5ga中的一些術語 1.1.6ga的研究方向 1.1.7matlab與ga工具箱 1.1.8基于ga的應用 1.2圖像處理基礎 1.2.1像素和分辨率 1.2.2圖像處理算法及其應用實例 1.2.3ga在圖像處理中的應用 1.2.4常見圖像處理軟件 第二章遺傳算法基礎 2.1遺傳算法的理論基礎 2.1.1模式及模式定理 2.1.2—個實例 2.1.3有效模式數論 2.1.4積木塊假設 2.2遺傳算法的基本知識 2.2.1編碼 2.2.2初始群體生成 2.2.3遺傳算子 2.2.4適應度 2.2.5約束條件 2.2.6參數設置 2.3簡單ga 2.4ga的實現過程 2.4.1一般ga的流程 2.4.2ga的運行過程 2.4.3利用ga求解一個簡單問題 第三章遺傳算法中的主要問題及其改進 3.1ga的主要問題 3.1.1欺騙和競爭問題 3.1.2參數調節、終止條件判斷、鄰近交叉和收斂問題 3.1.3ga一難問題 3.1.4早熟收斂現象及其防止 3.1.5種群的多樣性 3.1.6三個遺傳算子對收斂性的影響 3.1.7ga性能評估 3.2改進的ga 3.2.1改進ga的一般思路 3.2.2改進ga之一 3.2.3改進ga之二 3.2.4改進ga之三 3.2.5改進ga之四 3.2.6改進ga之五 3.2.7改進ga之六 3.2.8改進ga之七 3.2.9改進ga之八 3.2.10微種群ga 3.2.11多種群ga 3.2.12遺傳退火進化算法（gaea） 3.3并行ga 3.4多目標優化中的ga 3.4.1多目標優化的概念 3.4.2多目標優化問題的ga 3.5基于小生境ga及其改進 3.5.1小生境技術和共享函數 3.5.2小生境ga 3.5.3改進的小生境ga（nga） 第四章matlab數字圖像處理基礎 4.1基于matlab的繪圖方法 4.2matlab的圖像處理基礎 4.3基于matlab的圖像處理方法 4.4matlab的圖像恢復函數 4.5圖形的修飾與標注 4.6matlab環境下圖像對象修改 第五章基于matlab的遺傳算法編程實現 5.1安裝matlab的ga工具箱 5.2matlab7.0的gads的主要函數及其參數 5.3gads的主要函數詳解 5.4遺傳工具箱cads的gui界面 5.5基于gatbx工具箱的ga實例 5.6gatbx與gads工具箱比較 5.7ga程序設計實例 第六章基于遺傳算法的圖像分割方法 6.1圖像分割方法概述 6.1.1圖像分割基礎 6.1.2常用的圖像分割方法 6.2*大熵閾值圖像分割 6.2.1一維*大熵閾值分割 6.2.2二維*大熵閾值分割 6.3類間*大方差法（otsu法） 6.3.1一維otsu法 6.3.2二維otsu法 6.4基于sheffield的ga工具箱的圖像分割 6.5基于ga的全局閾值的圖像分割 6.6基于ga和分類類別函數的圖像分割方法 6.7基于ga的彩色圖像分割方法 6.8基于*大熵法和ga的圖像分割算法 6.8.1一維*大熵算法與ga相結合的圖像分割 6.8.2二維*大熵算法與ga相結合的圖像分割 6.8.3二維*大直方圖熵法和改進ga的分割圖像 6.9基于otsu與ga相結合的圖像分割 6.10基于otsu和ga的多目標圖像分割 6.11基于二維otsu和ga的圖像分割 6.12基于otsu和改進ga的圖像分割 6.13基于遺傳k—均值聚類算法的圖像分割 6.14基于ga的指紋圖像分割算法 6.15基于遺傳神經網絡的圖像分割 第七章基于遺傳算法的圖像恢復、增強、拼接和匹配 7.1基于ga的參數優化方法 7.2基于ga的圖像恢復 7.3基于ga的圖像傾斜檢測與校正 7.4基于ga的圖像增強 7.5基于ga的圖像碎片拼接方法 7.5.1基礎知識 7.5.2消除圖像碎片拼接縫方法 7.5.3基于ga的圖像拼接 7.6基于ga的圖像匹配 7.6.1圖像匹配方法分類 7.6.2基于ga的圖像匹配方法 7.6.3基于云ga（cga）的圖像匹配 7.7基于交互式ga的圖像檢索 7.8基于otsu和ga的圖像邊緣檢測方法 參考文獻
展開全部
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
朝聞道
- >
姑媽的寶刀
- >
經典常談
- >
唐代進士錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
推拿
本類暢銷
