首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于先验形状信息的水平集分割方法研究

摘要第1-6页
ABSTRACT第6-10页
1. 绪论第10-16页
   ·课题研究的背景及意义第10-11页
   ·国内外研究现状第11-14页
     ·参数活动轮廓模型第12-13页
     ·几何活动轮廓模型第13页
     ·基于先验形状的分割方法第13-14页
   ·本文的工作和结构安排第14-16页
2. 理论知识概述第16-32页
   ·曲线演化理论第16-17页
   ·水平集理论基础第17-25页
     ·水平集方法第18-20页
     ·水平集函数的初始化第20-21页
     ·水平集方法的数值求解第21-23页
     ·窄带法第23-24页
     ·快速行进法第24-25页
   ·Heaviside 函数和 Dirac 函数第25-26页
   ·测地线活动轮廓模型第26-29页
     ·GAC 模型第27-29页
     ·推广 GAC 模型第29页
   ·改进 LBF 模型第29-31页
   ·本章小结第31-32页
3. 基于先验形状水平集分割新方法第32-47页
   ·核主成分分析(KPCA)第33-35页
   ·先验形状项第35-37页
   ·整合图像能量项和形状能量项第37-38页
   ·算法具体实现第38-46页
     ·训练样本的获取与构造第38-41页
     ·利用 KPCA 算法构造先验形状模型第41-43页
     ·预分割第43-45页
     ·正式分割第45-46页
   ·本章小结第46-47页
4. 实验分割结果及评价分析第47-68页
   ·实验评价标准第47-49页
     ·相对差异度(RDD)和相对重叠度(ROD)第48页
     ·Similarity Index(SI)第48-49页
     ·TPF、FPF第49页
   ·实验环境第49-50页
   ·实验结果第50-62页
     ·GAC 和 LBF 分割结果第50-54页
     ·传统 PCA 分割结果第54-56页
     ·本文算法分割结果第56-61页
     ·相关参数大小的讨论第61-62页
   ·分割结果评价与分析第62-66页
     ·时间效率提高的分析第62-64页
     ·分割精度的分析第64-66页
   ·本章小结第66-68页
5. 总结与展望第68-70页
   ·论文总结第68-69页
   ·工作展望第69-70页
参考文献第70-73页
攻读硕士学位期间发表学术论文情况第73-74页
致谢第74-75页
作者简介第75-76页

论文共76页,点击 下载论文
上一篇:基于主特征空间相似度计算的新词挖掘研究
下一篇:纸币面向识别算法的研究