基于能量最小化模型的图像处理技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·论文内容与章节安排 | 第11-12页 |
| ·论文主要创新点 | 第12-14页 |
| 第二章 文献综述 | 第14-28页 |
| ·能量最小化模型研究概述 | 第14-16页 |
| ·能量最小化模型简介 | 第14-15页 |
| ·能量最小化模型的研究现状 | 第15-16页 |
| ·水平集和C-V 模型介绍 | 第16-20页 |
| ·水平集方法 | 第16-18页 |
| ·C-V 模型 | 第18-20页 |
| ·图割方法介绍 | 第20-23页 |
| ·图割方法的基本原理 | 第21-22页 |
| ·图割方法的研究现状 | 第22-23页 |
| ·图割方法的优缺点 | 第23页 |
| ·数字图像抠图介绍 | 第23-26页 |
| ·数字抠图技术 | 第23-24页 |
| ·自然图像抠图技术 | 第24-26页 |
| ·免疫组化图像分割研究概述 | 第26-27页 |
| ·免疫组化图像介绍 | 第26页 |
| ·常用的免疫组化图像分割方法 | 第26-27页 |
| ·总结 | 第27-28页 |
| 第三章 基于图割的离散水平集能量函数改进算法 | 第28-40页 |
| ·引言 | 第28页 |
| ·图理论和离散化表示 | 第28-30页 |
| ·图理论简介 | 第28-29页 |
| ·图像的离散化表示 | 第29-30页 |
| ·图割和水平集能量函数对比 | 第30-31页 |
| ·GraphCut 能量函数表达式 | 第30页 |
| ·水平集能量函数表达式 | 第30-31页 |
| ·离散化水平集能量函数的改进算法 | 第31-39页 |
| ·水平集函数的离散化表示 | 第31-34页 |
| ·图表达式及证明 | 第34-35页 |
| ·算法实现过程 | 第35-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于HSV 空间的自然图像抠图算法 | 第40-57页 |
| ·引言 | 第40-41页 |
| ·HSV 空间介绍 | 第41-42页 |
| ·HSV 空间的基本原理 | 第41页 |
| ·HSV 空间的转换 | 第41-42页 |
| ·GrabCut 算法介绍 | 第42-44页 |
| ·GrabCut 算法的基本原理 | 第42-43页 |
| ·GrabCut 模型的特点及不足 | 第43-44页 |
| ·改进的高斯混合模型参数设定 | 第44-46页 |
| ·高斯混合模型的基本原理 | 第44-45页 |
| ·GrabCut 算法中高斯混合模型K值的设定 | 第45-46页 |
| ·基于HSV 空间的GrabCut 优化算法 | 第46-56页 |
| ·量化降维和主色波形图 | 第46-47页 |
| ·基于主色波形图的K值动态选取 | 第47页 |
| ·迭代差值能量函数设定 | 第47-50页 |
| ·算法实现过程 | 第50-53页 |
| ·实验结果与分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 改进的最大类间方差免疫组化图像识别算法 | 第57-68页 |
| ·引言 | 第57-58页 |
| ·免疫组化图像分析 | 第58-59页 |
| ·免疫组化图像的细胞学分析 | 第58页 |
| ·免疫组化图像的色调与饱和度分量 | 第58-59页 |
| ·最大类间方差算法介绍 | 第59-61页 |
| ·最大类间方差法原理 | 第59-61页 |
| ·最大类间方差法存在的不足 | 第61页 |
| ·结合色调和饱和度的改进算法 | 第61-64页 |
| ·改进算法设计 | 第61-63页 |
| ·算法实现过程 | 第63-64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74-75页 |
