摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第13-18页 |
1.1 研究工作的背景和意义 | 第13-15页 |
1.2 本文的主要内容和创新点 | 第15-16页 |
1.3 本文的章节安排 | 第16-18页 |
第二章 一种融合的水平集活动轮廓模型 | 第18-33页 |
2.1 引言 | 第18-19页 |
2.2 研究背景 | 第19-21页 |
2.2.1 GAC模型 | 第19页 |
2.2.2 C-V模型 | 第19-20页 |
2.2.3 DRLSE | 第20-21页 |
2.3 模型的描述 | 第21-26页 |
2.3.1 边缘检测函数的设计 | 第21-22页 |
2.3.2 水平集速度函数的构造 | 第22-24页 |
2.3.3 模型的提出和实现 | 第24-26页 |
2.4 实验结果和分析 | 第26-31页 |
2.5 本章小结 | 第31-33页 |
第三章 一种基于局部和全局区域高斯分布拟合能量的活动轮廓模型及其相应的算法 | 第33-56页 |
3.1 引言 | 第33-35页 |
3.2 研究背景 | 第35-36页 |
3.3 基于局部和全局区域的活动轮廓模型及其相应的算法 | 第36-44页 |
3.3.1 基于局部和全局区域的活动轮廓模型 | 第36-40页 |
3.3.2 算法实现 | 第40-44页 |
3.4 实验结果和讨论 | 第44-54页 |
3.5 本章小结 | 第54-56页 |
第四章 基于局部区域Chan-Vese模型的算子分裂方法 | 第56-69页 |
4.1 引言 | 第56-57页 |
4.2 矢量Chan-Vese模型 | 第57-58页 |
4.3 基于局部区域Chan-Vese模型的算子分裂方法 | 第58-61页 |
4.3.1 局部区域Chan-Vese模型 | 第58-59页 |
4.3.2 算子分裂方法 | 第59-60页 |
4.3.3 扩展到矢量图像 | 第60页 |
4.3.4 算法实现 | 第60-61页 |
4.4 实验结果 | 第61-67页 |
4.5 本章小结 | 第67-69页 |
第五章 基于区域活动轮廓的目标和背景提取 | 第69-79页 |
5.1 引言 | 第69-70页 |
5.2 模型的提出和实现 | 第70-74页 |
5.3 实验结果 | 第74-78页 |
5.4 本章小结 | 第78-79页 |
第六章 自适应权重参数选取研究 | 第79-96页 |
6.1 基于局部和全局区域拟合能量的自适应权重参数选择 | 第79-84页 |
6.1.1 引言 | 第79-80页 |
6.1.2 LGIF模型 | 第80页 |
6.1.3 自适应权重参数选择和数值实现 | 第80-82页 |
6.1.4 实验结果 | 第82-84页 |
6.2 基于改进集成活动轮廓模型的自适应权重参数选择 | 第84-93页 |
6.2.1 引言 | 第84-87页 |
6.2.2 改进的集成活动轮廓模型 | 第87-88页 |
6.2.3 自适应的权重参数选择 | 第88-90页 |
6.2.4 实验结果 | 第90-93页 |
6.3 本章小结 | 第93-96页 |
第七章 一种全局最小化杂交活动轮廓模型及其应用 | 第96-107页 |
7.1 引言 | 第96-97页 |
7.2 模型的提出和实现 | 第97-99页 |
7.3 实验结果 | 第99-104页 |
7.3.1 应用于人工合成图像和自然图像 | 第100-101页 |
7.3.2 应用于浮油图像 | 第101-104页 |
7.4 本章小结 | 第104-107页 |
第八章 基于全局和局部区域活动轮廓的两阶段图像分割 | 第107-121页 |
8.1 引言 | 第107页 |
8.2 全局和局部区域活动轮廓 | 第107-112页 |
8.2.1 全局区域活动轮廓 | 第107-110页 |
8.2.2 局部区域活动轮廓 | 第110-112页 |
8.3 两阶段图像分割 | 第112-113页 |
8.4 实验结果 | 第113-118页 |
8.5 本章小结 | 第118-121页 |
第九章 总结与展望 | 第121-123页 |
9.1 总结 | 第121-122页 |
9.2 展望 | 第122-123页 |
致谢 | 第123-124页 |
参考文献 | 第124-135页 |
攻博期间取得的研究成果 | 第135-136页 |