| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 概述 | 第8-9页 |
| 1.2 研究背景和意义 | 第9-10页 |
| 1.3 图像分割的分类 | 第10-15页 |
| 1.3.1 基于阈值的分割方法 | 第11-12页 |
| 1.3.2 基于边缘检测的分割方法 | 第12页 |
| 1.3.3 基于区域的分割方法 | 第12-13页 |
| 1.3.4 基于聚类的分割方法 | 第13页 |
| 1.3.5 基于图论的分割方法 | 第13-14页 |
| 1.3.6 基于偏微分方程的分割方法 | 第14-15页 |
| 1.4 本文工作及内容安排 | 第15-18页 |
| 第2章 水平集方法的理论基础 | 第18-34页 |
| 2.1 基础数学理论 | 第18-22页 |
| 2.1.1 偏微分方程 | 第18-19页 |
| 2.1.2 变分法 | 第19-20页 |
| 2.1.3 梯度下降法 | 第20-22页 |
| 2.2 曲线演化和水平集 | 第22-30页 |
| 2.2.1 曲线演化 | 第22-25页 |
| 2.2.2 水平集理论 | 第25-28页 |
| 2.2.3 水平集的初始化 | 第28-29页 |
| 2.2.4 水平集方法的优缺点 | 第29-30页 |
| 2.3 水平集方法的发展 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 相似度局部拟合主动轮廓模型 | 第34-48页 |
| 3.1 基于边缘的活动轮廓模型 | 第34-36页 |
| 3.2 基于区域的活动轮廓模型 | 第36-41页 |
| 3.2.1 CV模型 | 第36-39页 |
| 3.2.2 LBF模型 | 第39-41页 |
| 3.3 相似度局部拟合主动轮廓模型 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-46页 |
| 3.5 本章总结 | 第46-48页 |
| 第4章 两阶段水平集分割模型 | 第48-60页 |
| 4.1 LGDF(Local Gaussian distribution fitting)模型 | 第48-51页 |
| 4.2 图像熵 | 第51-52页 |
| 4.2.1 一维熵 | 第51页 |
| 4.2.2 二维熵 | 第51-52页 |
| 4.3 一种两阶段水平集分割模型 | 第52-54页 |
| 4.4 实验分析 | 第54-57页 |
| 4.5 本章总结 | 第57-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 前景展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间科研成果 | 第68页 |