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

图像分割的变分正则化模型—非凸、稀疏理论与算法

作者简介第1-4页
摘要第4-6页
Abstract第6-8页
目录第8-10页
第一章 绪论第10-20页
   ·变分法第11-13页
     ·变分法的发展历史第11-12页
     ·变分法第12-13页
   ·正则化方法第13-14页
   ·变分正则化在图像分割中的主要模型第14-16页
   ·本文主要工作第16-20页
第二章 最大后验概率第20-36页
   ·引言第20-21页
   ·新的离散分割模型第21-27页
     ·似然概率第22-23页
     ·先验概率第23-24页
     ·新罚函数第24-27页
   ·求解模型的算法第27-30页
     ·交替极小化方法第27页
     ·基于区域的 graph cuts 算法第27-30页
   ·数值实验第30-35页
   ·本章小结第35-36页
第三章 非凸问题的凸化方法第36-54页
   ·Split-Bregman 迭代算法第36-37页
   ·二相分割凸化模型第37-42页
     ·ACWE 凸松弛模型第37-40页
     ·GAC 等价凸化模型第40-42页
   ·多相分割松弛凸化模型第42-52页
     ·一类向量值极小化问题的凸松弛方法第42-44页
     ·一般性等价模型第44-45页
     ·Split-Bregman 迭代算法求解第45-46页
     ·应用于多相图像分割第46-49页
     ·数值实验第49-52页
   ·本章小结第52-54页
第四章 低秩稀疏约束的图像分割非凸模型第54-62页
   ·引言第54页
   ·迫近 p 范数第54-55页
   ·非凸低秩稀疏约束的超像素分割方法第55-58页
     ·建立模型第55-56页
     ·增广 Lagrangian -AM 求解第56-58页
   ·数值实验第58-60页
   ·本章小结第60-62页
第五章 总变差正则化的两种改进模型第62-86页
   ·加权总广义变差(TGV)正则化的 Mumford-Shah 模型第62-76页
     ·引言第62页
     ·相关工作第62-63页
     ·加权 TGV 正则化的 Mumford-Shah 模型第63-68页
     ·数值实验第68-76页
   ·非局部总变差正则化的活动轮廓模型第76-83页
     ·非局部正则化第76-78页
     ·非局部总变差正则化的活动轮廓模型第78-81页
     ·数值实验第81-83页
   ·本章小结第83-86页
第六章 基于拓扑优化的图像处理方法第86-102页
   ·拓扑导数第86-87页
   ·基于拓扑优化的复扩散在图像去噪及边缘提取中的应用第87-93页
     ·复扩散第87-90页
     ·基于拓扑优化的非线性复扩散方法第90-92页
     ·数值实验第92-93页
   ·基于拓扑优化的图像分割方法第93-100页
     ·引言第93-94页
     ·连续方法第94-96页
     ·离散方法第96-97页
     ·数值实验第97-100页
   ·本章小结第100-102页
第七章 总结与展望第102-106页
   ·总结第102-104页
   ·展望第104-106页
致谢第106-108页
参考文献第108-122页
在读期间撰写(发表)的论文及参加科研情况第122-124页

论文共124页,点击 下载论文
上一篇:人体目标跟踪和表情识别中的若干问题研究
下一篇:变分和非凸正则在图像处理中的应用研究