| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·研究内容及综述 | 第13-17页 |
| ·图像分割 | 第13-15页 |
| ·目标跟踪 | 第15-17页 |
| ·论文的内容安排及主要贡献 | 第17-20页 |
| 第二章 背景知识 | 第20-46页 |
| ·泛函及变分法 | 第20-23页 |
| ·变分原理 | 第20-21页 |
| ·欧拉方程 | 第21-23页 |
| ·基于偏微分方程的图像处理 | 第23-29页 |
| ·图像恢复 | 第23-24页 |
| ·图像分割 | 第24-29页 |
| ·分水岭图像分割算法 | 第29-31页 |
| ·Mean Shift 理论 | 第31-35页 |
| ·非参数化统计方法 | 第31-32页 |
| ·核估计 | 第32-33页 |
| ·密度梯度估计 | 第33-35页 |
| ·Mean Shift 在图像滤波和分割中的应用 | 第35-37页 |
| ·Mean Shift 滤波 | 第35-37页 |
| ·Mean Shift 分割 | 第37页 |
| ·基于核的目标跟踪 | 第37-41页 |
| ·目标表示 | 第37-38页 |
| ·目标模型和候选模型 | 第38页 |
| ·基于Bhattacharyya 系数的测度 | 第38-39页 |
| ·目标定位 | 第39-40页 |
| ·算法实现 | 第40页 |
| ·算法小结 | 第40-41页 |
| ·CAMSHIFT 目标跟踪算法 | 第41-44页 |
| ·目标表示 | 第41-42页 |
| ·跟踪过程 | 第42页 |
| ·目标尺度和方向的估计 | 第42-43页 |
| ·算法实现 | 第43-44页 |
| ·算法小结 | 第44页 |
| ·小结 | 第44-46页 |
| 第三章 基于偏微分方程的图像分割 | 第46-58页 |
| ·GVF 的扩散过程分析 | 第46-47页 |
| ·一种改进的外力场NGVF | 第47-51页 |
| ·提出的方法 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·结论 | 第51页 |
| ·梯度向量流的各向异性扩散分析 | 第51-56页 |
| ·Generalized GVF | 第51-52页 |
| ·提出的Anisotropic GVF | 第52-53页 |
| ·实验结果与分析 | 第53-56页 |
| ·结论 | 第56页 |
| ·小结 | 第56-58页 |
| 第四章 基于区域的图像处理及在舌象分割中的应用 | 第58-86页 |
| ·引言 | 第58-59页 |
| ·基于偏微分方程和分水岭算法的图像分割 | 第59-64页 |
| ·1D-GVF 变换 | 第59-60页 |
| ·局部最小值的检测与合并 | 第60-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·结论 | 第64页 |
| ·基于最大相似度的交互式区域合并算法 | 第64-75页 |
| ·区域表示和相似性度量 | 第64-65页 |
| ·目标和背景标记 | 第65页 |
| ·基于最大相似度的区域合并机制 | 第65-66页 |
| ·区域合并算法 | 第66-68页 |
| ·收敛性分析 | 第68-69页 |
| ·实验结果与分析 | 第69-74页 |
| ·结论 | 第74-75页 |
| ·基于梯度向量流和区域合并的舌象自动分割算法 | 第75-85页 |
| ·引言 | 第75-76页 |
| ·提出的舌象分割算法 | 第76-79页 |
| ·实验结果与分析 | 第79-85页 |
| ·结论 | 第85页 |
| ·小结 | 第85-86页 |
| 第五章 尺度和方向自适应 Mean Shift 跟踪算法 | 第86-98页 |
| ·引言 | 第86-87页 |
| ·Mean Shift 的权值图像分析 | 第87-88页 |
| ·尺度和方向自适应 Mean Shift 跟踪 | 第88-96页 |
| ·面积估计 | 第88-90页 |
| ·矩特征分析 | 第90-91页 |
| ·估计目标的宽度、高度和方向 | 第91页 |
| ·确定下一帧的候选区域 | 第91-92页 |
| ·算法实现 | 第92页 |
| ·实验结果与分析 | 第92-96页 |
| ·结论 | 第96-98页 |
| 第六章 Mean Shift 跟踪中的目标表示方法 | 第98-114页 |
| ·引言 | 第98-99页 |
| ·一种集成背景信息的目标表示方法 | 第99-105页 |
| ·背景加权直方图 | 第99-100页 |
| ·BWH 算法与无背景信息的等价性 | 第100-101页 |
| ·提出的方法 | 第101-102页 |
| ·实验结果与分析 | 第102-105页 |
| ·结论 | 第105页 |
| ·一种结合颜色和纹理的目标表示方法 | 第105-112页 |
| ·LBP 纹理模型 | 第105-106页 |
| ·基于颜色-纹理模型的目标表示 | 第106-107页 |
| ·目标模型特征空间的选择 | 第107-108页 |
| ·算法实现 | 第108页 |
| ·实验结果与分析 | 第108-112页 |
| ·结论 | 第112页 |
| ·小结 | 第112-114页 |
| 第七章 结束语 | 第114-116页 |
| ·论文总结 | 第114-115页 |
| ·工作展望 | 第115-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-124页 |
| 研究成果 | 第124-126页 |