摘要 | 第1-7页 |
Abstract | 第7-10页 |
目录 | 第10-12页 |
1 绪论 | 第12-24页 |
·引言 | 第12-13页 |
·国内外图像分割方法的研究现状 | 第13-21页 |
·基于底层图像先验知识的分割方法 | 第13-16页 |
·高层先验知识的分割方法 | 第16-21页 |
·本文主要研究工作与创新点 | 第21-22页 |
·本文的主要研究工作和内容安排 | 第22-24页 |
2 水平集方法及Chan-Vese模型 | 第24-34页 |
·水平集方法 | 第24-27页 |
·水平集函数演化的快速算法 | 第27-30页 |
·Chan-Vese模型 | 第30-32页 |
·多相位的Chan-Vese模型 | 第32-34页 |
3 结合改进的FCM算法的Chan-Vese模型 | 第34-45页 |
·引言 | 第34-35页 |
·研究背景 | 第35-37页 |
·模糊聚类(Fuzzy Clustering Algorithm,FCM)算法 | 第35-36页 |
·结合FCM算法的Chan-Vese模型(FCMCV) | 第36-37页 |
·结合改进的FCM算法的Chan-Vese模型 | 第37-42页 |
·结合空间信息的隶属度函数 | 第38-40页 |
·各向异性模板演化规则 | 第40-42页 |
·实验结果及分析 | 第42-44页 |
·本章小结 | 第44-45页 |
4 结合纹理特征的自适应快速分割模型 | 第45-59页 |
·引言 | 第45-46页 |
·研究背景 | 第46-48页 |
·全局优化分割模型(Global Convex Segmentation Model,GCS) | 第46-47页 |
·局部块的纹理分析 | 第47-48页 |
·同时基于纹理和卡通特征的分割模型 | 第48-53页 |
·卡通区域项 | 第49-50页 |
·纹理区域项 | 第50-51页 |
·基于分裂Bregman算法的快速数值求解 | 第51-53页 |
·实验结果及分析 | 第53-57页 |
·本章小结 | 第57-59页 |
5 结合局部统计信息与各向异性水平集方法的分割模型 | 第59-80页 |
·引言 | 第59-60页 |
·研究背景 | 第60-65页 |
·局部二值拟合模型(Local Binary Fitting,LBF) | 第60-62页 |
·各向异性的扩散方程 | 第62-65页 |
·结合局部统计信息与各向异性水平集方法的活动轮廓模型 | 第65-72页 |
·基于局部统计信息的区域项 | 第66-68页 |
·结合结构信息的各向异性正则项 | 第68-70页 |
·能量泛函及数值快速求解 | 第70-72页 |
·实验结果及分析 | 第72-79页 |
·本章小结 | 第79-80页 |
6 基于分片统计信息的鲁棒型活动轮廓模型 | 第80-98页 |
·引言 | 第80-81页 |
·矫正灰度不均匀性的分割模型 | 第81-83页 |
·基于分片统计的活动轮廓模型 | 第83-90页 |
·基于分片统计的区域项 | 第83-85页 |
·灰度变化惩罚项 | 第85-86页 |
·结合图像梯度信息改进的正则项 | 第86-87页 |
·能量泛函的数值求解 | 第87-90页 |
·实验结果及分析 | 第90-97页 |
·本章小结 | 第97-98页 |
7 基于结构梯度流的区域型活动轮廓模型 | 第98-111页 |
·引言 | 第98-99页 |
·基于边界的活动轮廓模型 | 第99-100页 |
·Snake模型 | 第99-100页 |
·梯度流活动轮廓模型(Gradient Vector Flow,GVF) | 第100页 |
·结合结构梯度流的区域型活动轮廓模型 | 第100-106页 |
·基于结构梯度流的正则项 | 第101-104页 |
·基于边界结构信息的区域项 | 第104-105页 |
·能量泛函的求解算法 | 第105-106页 |
·实验结果及分析 | 第106-109页 |
·本章小结 | 第109-111页 |
8 结论与展望 | 第111-114页 |
·本文工作总结 | 第111-112页 |
·将来的工作 | 第112-114页 |
致谢 | 第114-115页 |
参考文献 | 第115-128页 |
附录 | 第128-131页 |
1 水平集函数及其对偶变量的离散形式 | 第128页 |
2 活动轮廓模型的变分解法 | 第128-131页 |
·泛函问题 | 第128-129页 |
·泛函最小解存在的必要条件 | 第129页 |
·活动轮廓模型的能量泛函求解 | 第129-131页 |
攻读博士学位期间发表论文情况 | 第131-132页 |
攻读博士学位期间参加课题及资助基金 | 第132页 |