| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图表目录 | 第9-11页 |
| 图目录 | 第9-10页 |
| Content of ifgures | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·图像分割的意义与现状 | 第11-12页 |
| ·图像分割方法概述 | 第12-13页 |
| ·基于边界的图像分割 | 第12-13页 |
| ·基于区域的分割方法 | 第13页 |
| ·边界和区域相结合的图像分割 | 第13页 |
| ·基于活动轮廓模型图像分割概述 | 第13-16页 |
| ·参数活动轮廓模型 | 第14-15页 |
| ·几何活动轮廓模型 | 第15-16页 |
| ·图像抠图技术 | 第16-17页 |
| ·本文的主要工作及内容安排 | 第17-19页 |
| 第二章 活动轮廓模型 | 第19-33页 |
| ·引言 | 第19页 |
| ·理论背景 | 第19-25页 |
| ·曲线演化理论 | 第19-21页 |
| ·水平集方法 | 第21-23页 |
| ·数值实现 | 第23-25页 |
| ·几种主要活动轮廓模型 | 第25-32页 |
| ·Snake参数轮廓模型 | 第25-26页 |
| ·几何轮廓模型 | 第26-27页 |
| ·测地线轮廓模型(GAC) | 第27-29页 |
| ·C-V活动轮廓模型 | 第29-31页 |
| ·LBF模型 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 基于全局和局部信息的GAC模型的二值化水平集图像分割 | 第33-44页 |
| ·引言 | 第33页 |
| ·基于二值化水平集活动轮廓模型 | 第33-34页 |
| ·二值水平集函数 | 第33-34页 |
| ·基于边界的二值水平集活动轮廓模型 | 第34页 |
| ·基于全局和局部信息的GAC模型介绍 | 第34-39页 |
| ·符号压力函数(SPF) | 第34-36页 |
| ·基于全局和局部信息的新模型 | 第36-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于闭合形式的脑肿瘤分割 | 第44-55页 |
| ·引言 | 第44页 |
| ·闭合形式的基本原理 | 第44-48页 |
| ·KNN分类算法 | 第48-50页 |
| ·实验结果与分析 | 第50-53页 |
| ·小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间的科研成果 | 第62页 |