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

基于粗糙集和扩展分水岭变换的水平集图像分割研究

摘要第4-6页
ABSTRACT第6-8页
主要符号表第19-20页
1 绪论第20-28页
    1.1 水平集图像分割的研究背景与意义第20-21页
    1.2 水平集图像分割国内外相关工作研究进展第21-25页
    1.3 粗糙集理论研究与水平集图像分割研究的关系第25页
    1.4 本文的主要研究思路和内容第25-28页
2 针对图像分割问题的粗糙集理论及其研究成果介绍第28-43页
    2.1 引言第28-29页
    2.2 特征选择的新方法和算法实现第29-38页
        2.2.1 关于基于粗糙集理论的特征选择问题背景介绍第29-30页
        2.2.2 有序差别集的相关定义和算法的提出第30-32页
        2.2.3 有序差别集的算法复杂度分析第32-33页
        2.2.4 基于新特征重要性度量标准和有序差别集的特征选择第33-35页
        2.2.5 特征选择算法时间复杂度分析第35-36页
        2.2.6 有序差别集算法实验第36-37页
        2.2.7 特征选择算法实验第37-38页
    2.3 图像数据的离散化第38-39页
        2.3.1 图像数据离散化的定义及相关公式第38页
        2.3.2 图像数据离散化的思想第38-39页
    2.4 图像数据离散化的算法设计和时间复杂度分析第39-42页
    2.5 本章小结第42-43页
3 基于粗糙集理论的KM模型改进第43-53页
    3.1 引言第43-44页
    3.2 模型KM简要介绍第44页
    3.3 模型KM的改进第44-46页
    3.4 实验对比和算法时间复杂度分析第46-52页
        3.4.1 区域参数收敛速度和值的对比实验第46-48页
        3.4.2 二相及多相图像分割实验对比第48-52页
    3.5 本章小结第52-53页
4 基于粗糙集和新能量公式的水平集图像分割第53-73页
    4.1 引言第53-54页
    4.2 模型LIF和模型BCLBF的简要介绍第54-56页
        4.2.1 模型LIF第54-55页
        4.2.2 模型BCLBF第55-56页
    4.3 新能量公式的提出以及在理论上的可行性证明第56-58页
    4.4 新能量公式在高维空间中的定义第58-62页
    4.5 算法时间复杂度分析第62页
    4.6 实验结果第62-72页
        4.6.1 合成图像实验第63-65页
        4.6.2 大脑图像实验第65-68页
        4.6.3 自然图像实验第68-72页
    4.7 本章小结第72-73页
5 扩展的分水岭变换第73-78页
    5.1 引言第73页
    5.2 传统分水岭变换的介绍第73-74页
    5.3 扩展分水岭变换的思想第74页
    5.4 扩展的分水岭变换的设计以及算法步骤第74-77页
    5.5 与图像数据离散化的区别第77页
    5.6 本章小结第77-78页
6 基于扩展分水岭变换的水平集图像分割第78-110页
    6.1 引言第78-80页
    6.2 模型MBCLBF第80-81页
    6.3 基于扩展分水岭变换的水平集图像分割模型EWK第81-84页
    6.4 实验对比第84-108页
        6.4.1 合成图像实验第85-96页
        6.4.2 医学图像分割实验第96-100页
        6.4.3 自然图像分割实验第100-108页
    6.5 本章小结第108-110页
7 基于特征选择的严重灰度不均匀图像的水平集分割方法第110-131页
    7.1 引言第110-111页
    7.2 针对图像数据的特征选择方法第111-115页
    7.3 基于特征选择的水平集图像分割第115-117页
        7.3.1 能量泛函数公式第115-116页
        7.3.2 水平集函数公式第116页
        7.3.3 基于特征选择的水平集图像分割算法第116-117页
    7.4 算法时间复杂度分析第117-118页
    7.5 实验第118-129页
        7.5.1 与LBF模型的对比实验第118-122页
        7.5.2 与BCLBF模型的对比实验第122-125页
        7.5.3 与MBCLBF模型的对比实验第125-127页
        7.5.4 与LSACM模型的对比实验第127-129页
    7.6 本章小结第129-131页
8 结论与展望第131-135页
    8.1 结论第131-132页
    8.2 创新点摘要第132-134页
    8.3 展望第134-135页
参考文献第135-145页
攻读博士学位期间科研项目及科研成果第145-146页
致谢第146-147页
作者简介第147页

论文共147页,点击 下载论文
上一篇:大型热态锻件视觉测量中图像处理关键技术研究
下一篇:高维非线性系统的加密算法与混沌同步研究