| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-12页 |
| 插图和附表清单 | 第12-14页 |
| 1 引言 | 第14-17页 |
| ·课题研究背景 | 第14-15页 |
| ·课题研究意义 | 第15-17页 |
| 2 基于演化思想的图像处理技术 | 第17-35页 |
| ·图像处理演化模型的基本思想 | 第17-19页 |
| ·演化模型的理论研究现状及应用 | 第19-27页 |
| ·Gauss尺度模型及相关性质 | 第19-25页 |
| ·非线性尺度模型 | 第25-27页 |
| ·水平集曲面的构造 | 第27-34页 |
| ·本章小结 | 第34-35页 |
| 3 基于多尺度理论的图像去噪自适应算法研究 | 第35-53页 |
| ·引言 | 第35页 |
| ·偏微分方程去噪方法研究现状 | 第35-41页 |
| ·Perona-Malik方程 | 第37-39页 |
| ·Alvarez，Lions和Morel模型 | 第39-40页 |
| ·F.Catte模型 | 第40页 |
| ·林石算子 | 第40-41页 |
| ·自适应去噪算法分析 | 第41-45页 |
| ·各向异性扩散模型及其去噪原理 | 第41-42页 |
| ·图像质量评价方法 | 第42-43页 |
| ·本文改进的模型 | 第43页 |
| ·自适应算法构造 | 第43-44页 |
| ·自适应滤波中一种改进的结构相似度算法 | 第44-45页 |
| ·离散化法分析 | 第45-49页 |
| ·显式差分格式 | 第45-46页 |
| ·半隐格式 | 第46-47页 |
| ·高维差分格式 | 第47页 |
| ·改进模型的离散化 | 第47-49页 |
| ·仿真实验 | 第49-52页 |
| ·小结 | 第52-53页 |
| 4 基于多尺度理论的图像特征分析 | 第53-77页 |
| ·引言 | 第53-54页 |
| ·突变理论相关概念及引理 | 第54-57页 |
| ·高斯尺度空间模型的标准形 | 第57-62页 |
| ·高斯尺度空间模型的分岔分析 | 第62-66页 |
| ·第一种标准形 | 第62页 |
| ·第二种标准形 | 第62页 |
| · | 第62-63页 |
| ·第四种标准形 | 第63-64页 |
| ·第五种标准形 | 第64-66页 |
| ·进一步分析 | 第66页 |
| ·高斯尺度空间理论的进一步研究与实验 | 第66-75页 |
| ·一维信号的高斯尺度空间 | 第67-70页 |
| ·二维信号的高斯尺度空间 | 第70-72页 |
| ·基于高斯尺度的过零点边缘检测 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 5 基于多尺度理论的图像特征研究及应用 | 第77-95页 |
| ·引言 | 第77页 |
| ·基于高斯尺度空间模型分岔点的图像匹配方法 | 第77-85页 |
| ·高斯尺度空间模型分岔点 | 第77-82页 |
| ·基于分岔点的图像匹配算法 | 第82-84页 |
| ·实验结果分析 | 第84-85页 |
| ·基于多尺度空间理论的边缘检测算法探究 | 第85-94页 |
| ·基于改进的模糊增强算法的单一尺度过零点边缘检测 | 第85-88页 |
| ·实验结果分析 | 第88-90页 |
| ·基于单一尺度的图像边缘检测算法的改进 | 第90-92页 |
| ·实验结果分析 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 6 基于多尺度理论的图像骨架提取分析 | 第95-108页 |
| ·引言 | 第95页 |
| ·骨架提取的基本概念及相关方法 | 第95-96页 |
| ·骨架提取理论算法研究与详解 | 第96-104页 |
| ·Level Set模型 | 第96-97页 |
| ·曲率尺度空间理论 | 第97-99页 |
| ·快速行进法（ FMM ） | 第99-100页 |
| ·基于 Level Set 模型与改进快速行进法的骨架提取算法 | 第100-104页 |
| ·应用实例 | 第104-107页 |
| ·实例描述 | 第104-105页 |
| ·实验方案 | 第105-106页 |
| ·实验结果与讨论 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 7 结论 | 第108-110页 |
| ·本文工作总结 | 第108-109页 |
| ·未来工作展望 | 第109-110页 |
| 参考文献 | 第110-119页 |
| 作者简历及在学研究成果 | 第119-122页 |
| 学位论文数据集 | 第122页 |