| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-22页 |
| ·引言 | 第9-14页 |
| ·基于Graph cut 模型的分割方法 | 第14-15页 |
| ·基于活动轮廓的方法 | 第15-16页 |
| ·文章的主要工作和创新点 | 第16-17页 |
| ·文章内容安排 | 第17页 |
| 参考文献 | 第17-22页 |
| 第2章 基于随机森林的 Graph cut 模型 | 第22-43页 |
| ·图割基本知识 | 第22-27页 |
| ·网络流 | 第22-24页 |
| ·割 | 第24-25页 |
| ·最大流最小割定理 | 第25-27页 |
| ·随机森林 | 第27-29页 |
| ·随机森林生长方法 | 第27-28页 |
| ·随机森林的收敛性 | 第28-29页 |
| ·分水岭算法 | 第29-31页 |
| ·算法框架 | 第31-41页 |
| ·能量函数的构造 | 第33-34页 |
| ·网络的构造 | 第34页 |
| ·能量函数的最小化 | 第34-36页 |
| ·算法流程和实现 | 第36-40页 |
| ·理论证明 | 第40-41页 |
| ·数据分类的应用 | 第41页 |
| 参考文献 | 第41-43页 |
| 第3章 基于新 Graph cut 模型的实验 | 第43-54页 |
| ·彩色空间 | 第44-48页 |
| ·ICA 的原理 | 第45页 |
| ·Fast_ICA 的算法 | 第45-47页 |
| ·颜色空间的比较 | 第47-48页 |
| ·与高斯混合模型，分水岭算法的比较 | 第48页 |
| ·能量函数中项的作用 | 第48-49页 |
| ·数据分类 | 第49-52页 |
| ·数据库的描述 | 第49-50页 |
| ·支撑向量机（SVM）算法 | 第50-51页 |
| ·K 近邻（KNN）算法 | 第51-52页 |
| ·实验 | 第52页 |
| ·小结 | 第52页 |
| 参考文献 | 第52-54页 |
| 第4章 基于水平集的图像分割 | 第54-75页 |
| ·水平集方法概述 | 第54-57页 |
| ·Chan-Vese 模型 | 第57-62页 |
| ·Chan-Vese 模型与Mumford-Shah 模型的联系 | 第62页 |
| ·Chan-Vese 模型的快速实现 | 第62-63页 |
| ·基于快速实现Chan-Vese 的纹理图像分割 | 第63-65页 |
| ·可变区域拟合的主动轮廓模型 | 第65-66页 |
| ·我们的模型 | 第66-69页 |
| ·模型描述 | 第66-68页 |
| ·与RSF 模型和Chan-Vese 模型的比较 | 第68页 |
| ·水平集函数的实现和数值方法 | 第68-69页 |
| ·实验 | 第69-72页 |
| ·在非纹理图像中与Chan-Vese,RSF 模型的比较 | 第69-71页 |
| ·在纹理图像中与RSF 模型的比较 | 第71-72页 |
| ·规整项的测试 | 第72页 |
| ·小结 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77-78页 |
| 致谢 | 第78页 |