摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-33页 |
1.1 数字图像处理概述 | 第13-14页 |
1.2 图像分割及算法综述 | 第14-20页 |
1.2.1 图像分割的概念 | 第14-15页 |
1.2.2 图像分割算法综述 | 第15-20页 |
1.3 模糊聚类分割算法及其研究概况 | 第20-23页 |
1.3.1 模糊聚类算法 | 第20页 |
1.3.2 模糊聚类算法的研究现状 | 第20-23页 |
1.4 活动轮廓模型算法及其研究现状 | 第23-29页 |
1.4.1 活动轮廓模型算法 | 第23-24页 |
1.4.2 活动轮廓模型的研究现状 | 第24-29页 |
1.5 本课题的研究背景和意义 | 第29-30页 |
1.6 本文的主要工作及结构安排 | 第30-33页 |
第2章 结合局部变异系数的模糊C均值聚类算法 | 第33-49页 |
2.1 引言 | 第33-34页 |
2.2 模型背景 | 第34-39页 |
2.2.1 传统的FCM算法 | 第34-36页 |
2.2.2 基于空间邻域信息的FCM算法 | 第36-39页 |
2.3 LCVFCM聚类算法 | 第39-41页 |
2.4 实验结果和分析 | 第41-46页 |
2.4.1 人工合成图像 | 第41-43页 |
2.4.2 真实图像 | 第43-44页 |
2.4.3 脑部MR图像 | 第44-45页 |
2.4.4 参数讨论 | 第45-46页 |
2.5 本章小结 | 第46-49页 |
第3章 局部交叉熵度量模糊C均值的水平集图像分割算法 | 第49-71页 |
3.1 引言 | 第49-50页 |
3.2 数学基础 | 第50-53页 |
3.2.1 曲线演化理论 | 第50-51页 |
3.2.2 水平集方法 | 第51-52页 |
3.2.3 水平集方法的数值求解 | 第52-53页 |
3.3 相关模型 | 第53-55页 |
3.3.1 CK模型 | 第53-54页 |
3.3.2 LCK模型 | 第54-55页 |
3.4 局部交叉熵度量模糊C均值的水平集算法 | 第55-59页 |
3.4.1 模型描述 | 第55-57页 |
3.4.2 模型求解 | 第57-59页 |
3.5 实验结果和分析 | 第59-69页 |
3.5.1 分割合成和真实图像 | 第59-62页 |
3.5.2 分割噪声图像 | 第62-66页 |
3.5.3 分割医学图像 | 第66-67页 |
3.5.4 分割自然图像 | 第67-69页 |
3.5.5 参数讨论 | 第69页 |
3.6 本章小结 | 第69-71页 |
第4章 局部高斯分布拟合和局部符号差能量驱动的活动轮廓模型 | 第71-91页 |
4.1 引言 | 第71-72页 |
4.2 相关模型 | 第72-75页 |
4.2.1 LBF模型 | 第72-73页 |
4.2.2 LGDF模型 | 第73-74页 |
4.2.3 LGIF模型 | 第74页 |
4.2.4 GLGDF模型 | 第74-75页 |
4.3 基于LGDF和LSD能量驱动的活动轮廓模型 | 第75-79页 |
4.3.1 局部熵加权的LSD能量项 | 第75-76页 |
4.3.2 水平集演化方程 | 第76-77页 |
4.3.3 能量泛函极小化 | 第77-78页 |
4.3.4 模型的数值实现及算法步骤 | 第78-79页 |
4.4 实验结果和分析 | 第79-88页 |
4.4.1 分割合成和真实图像 | 第80-81页 |
4.4.2 分割医学图像 | 第81-83页 |
4.4.3 分割灰度不均匀图像 | 第83-85页 |
4.4.4 分割噪声图像 | 第85-87页 |
4.4.5 参数讨论 | 第87-88页 |
4.5 本章小结 | 第88-91页 |
第5章 基于区域生长初始化的水平集海马图像分割 | 第91-109页 |
5.1 引言 | 第91-93页 |
5.2 改进的水平集海马图像分割方法 | 第93-102页 |
5.2.1 水平集函数的初始化 | 第93-98页 |
5.2.2 水平集图像分割方法 | 第98-102页 |
5.3 实验结果和分析 | 第102-106页 |
5.4 本章小结 | 第106-109页 |
总结与展望 | 第109-111页 |
致谢 | 第111-113页 |
参考文献 | 第113-127页 |
攻读博士学位期间发表的论文及科研成果 | 第127-128页 |