| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·图像分割概述 | 第9-10页 |
| ·活动轮廓模型 | 第10-14页 |
| ·参数活动轮廓模型 | 第11-12页 |
| ·几何活动轮廓模型 | 第12-14页 |
| ·论文内容及组织结构 | 第14-17页 |
| 第2章 水平集方法图像分割理论 | 第17-27页 |
| ·曲线演化理论 | 第17-19页 |
| ·水平集理论 | 第19-21页 |
| ·变分法和梯度下降流 | 第21-22页 |
| ·水平集数值化计算 | 第22-23页 |
| ·结合形状信息的水平集分割模型 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于区域信息的水平集图像分割 | 第27-39页 |
| ·图像分割的MUMFORD—SHAH模型 | 第27-28页 |
| ·分段恒定分割模型(PIECEWISE CONSTANT,PC) | 第28-31页 |
| ·CV模型 | 第28-29页 |
| ·水平集方法求解 | 第29-31页 |
| ·分段平滑分割模型(PIECEWISE SMOOTH,PS) | 第31-34页 |
| ·LBF模型 | 第31-33页 |
| ·LGIF模型 | 第33-34页 |
| ·无需重新初始化的向量CV模型 | 第34-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 融合形状先验的向量CV模型图像分割算法 | 第39-49页 |
| ·引言 | 第39页 |
| ·融合形状先验的向量CV模型(VECTOR_CV_SHAPE) | 第39-43页 |
| ·先验形状的表示及变换 | 第40-41页 |
| ·VECTOR CV SHAPE模型 | 第41-42页 |
| ·求解仿射变换参数 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-49页 |
| 第5章 基于KPCA和形状先验知识的水平集图像分割方法 | 第49-62页 |
| ·基于KERNEL PCA形状模型 | 第49-52页 |
| ·核函数方法 | 第49-50页 |
| ·Kernel PCA | 第50-52页 |
| ·形状表示 | 第52页 |
| ·基于KPCA和形状先验知识的向量CV模型 | 第52-56页 |
| ·形状对齐 | 第52-53页 |
| ·能量函数定义 | 第53-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间研究成果 | 第72页 |
