基于CV模型的图像分割方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像分割研究现状 | 第10-11页 |
| 1.2.2 测地线活动轮廓模型的国内外研究现状 | 第11-12页 |
| 1.2.3 参数活动轮廓模型国内外研究现状 | 第12-13页 |
| 1.2.4 CV模型的国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 第2章 偏微分方程用于图像分割的理论基础 | 第15-19页 |
| 2.1 偏微分方程的概述 | 第15-16页 |
| 2.1.1 偏微分方程定义 | 第15页 |
| 2.1.2 定解问题及其适定性 | 第15-16页 |
| 2.1.3 极值原理 | 第16页 |
| 2.2 PDE的求解 | 第16-18页 |
| 2.2.1 变分法 | 第16-17页 |
| 2.2.2 梯度下降法 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 CV模型理论基础 | 第19-29页 |
| 3.1 曲线演化 | 第19-21页 |
| 3.2 水平集方法 | 第21-26页 |
| 3.2.1 水平集原理 | 第21-24页 |
| 3.2.2 水平集的数值计算 | 第24-26页 |
| 3.3 CV模型原理 | 第26-28页 |
| 3.3.1 M-S模型 | 第26-27页 |
| 3.3.2 CV模型 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于全局最优CV模型的改进 | 第29-36页 |
| 4.1 CV模型完成分割的次序 | 第29-31页 |
| 4.1.1 CV模型数值实现 | 第29页 |
| 4.1.2 CV模型实现分割的程序 | 第29-31页 |
| 4.2 基于全局优化方法CV模型的改进 | 第31-32页 |
| 4.2.1 CV模型初始轮廓 | 第31页 |
| 4.2.2 实现远离轮廓线目标的分割 | 第31-32页 |
| 4.2.3 CV模型中引入惩罚项 | 第32页 |
| 4.3 改进CV模型方程的求解 | 第32-33页 |
| 4.4 改进CV模型图像分割算法步骤 | 第33-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第5章 实验结果及对比分析 | 第36-47页 |
| 5.1 实验设计 | 第36页 |
| 5.2 参数设置 | 第36页 |
| 5.3 初始轮廓曲线实验 | 第36-39页 |
| 5.3.1 实验设计 | 第36页 |
| 5.3.2 实验结果与分析 | 第36-39页 |
| 5.4 分割算法对比 | 第39-46页 |
| 5.4.1 远离轮廓线的目标分割实验 | 第40页 |
| 5.4.2 灰度不均匀图像的分割实验 | 第40-41页 |
| 5.4.3 多区域图像分割实验 | 第41-43页 |
| 5.4.4 抗噪性实验 | 第43-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读学位期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
