| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第11-25页 |
| 1.1 论文研究背景 | 第11-13页 |
| 1.1.1 图像分割的实际背景 | 第11-12页 |
| 1.1.2 工业CT及医学图像分割的实际需求 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 图像分割现状综述 | 第13-16页 |
| 1.2.2 基于偏微分方程的图像分割方法研究现状 | 第16-21页 |
| 1.3 问题的提出 | 第21-22页 |
| 1.4 主要研究内容和创新点 | 第22-23页 |
| 1.5 本文结构安排 | 第23-25页 |
| 2 相关理论基础 | 第25-41页 |
| 2.1 曲线演化理论及水平集方法 | 第25-32页 |
| 2.1.1 曲线演化理论 | 第25-26页 |
| 2.1.2 水平集方法 | 第26-27页 |
| 2.1.3 水平集函数的初始化方案 | 第27-28页 |
| 2.1.4 变分原理及水平集方法的数值实现 | 第28-32页 |
| 2.2 主动轮廓模型 | 第32-34页 |
| 2.2.1 基于边缘的主动轮廓模型 | 第32-33页 |
| 2.2.2 基于区域的主动轮廓模型 | 第33-34页 |
| 2.3 经典主动轮廓模型介绍 | 第34-40页 |
| 2.3.1 Snake模型 | 第34页 |
| 2.3.2 Mumford-Shah (MS) 模型 | 第34-35页 |
| 2.3.3 Chan-Vese (CV) 模型 | 第35-37页 |
| 2.3.4 Region Scale Fitting (RSF) 模型 | 第37-39页 |
| 2.3.5 Lee-Seo (LS) 模型 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 3 基于相关熵K-均值聚类和局部鲁棒性统计的图像分割模型 | 第41-67页 |
| 3.1 引言 | 第41页 |
| 3.2 研究背景 | 第41-43页 |
| 3.2.1 相关熵K-均值算法 | 第42页 |
| 3.2.2 局部鲁棒性统计及在图像分割中的应用 | 第42-43页 |
| 3.3 基于相关熵K-均值和局部鲁棒性统计能量泛函 | 第43-51页 |
| 3.3.1 全局能量泛函 | 第44页 |
| 3.3.2 局部能量泛函 | 第44-45页 |
| 3.3.3 正则化能量 | 第45-46页 |
| 3.3.4 局部鲁棒性统计和相关熵K-均值算法模型 | 第46-50页 |
| 3.3.5 模型算法步骤 | 第50-51页 |
| 3.4 实验结果与分析 | 第51-66页 |
| 3.5 本章小结 | 第66-67页 |
| 4 基于局部区域信息的鲁棒性稳定的图像分割模型 | 第67-81页 |
| 4.1 引言 | 第67-68页 |
| 4.2 研究背景 | 第68-69页 |
| 4.3 基于局部区域信息的鲁棒性稳定图像分割模型 | 第69-73页 |
| 4.3.1 能量泛函及水平集公式 | 第69-72页 |
| 4.3.2 模型算法步骤 | 第72-73页 |
| 4.4 实验结果与分析 | 第73-79页 |
| 4.5 本章小结 | 第79-81页 |
| 5 改进的同时分割和估计偏置场的主动轮廓模型 | 第81-105页 |
| 5.1 引言 | 第81-82页 |
| 5.2 研究背景 | 第82-85页 |
| 5.2.1 Li模型 | 第82-85页 |
| 5.2.2 基于局部统计的主动轮廓模型 | 第85页 |
| 5.3 基于局部偏差的图像分割与校正模型 | 第85-90页 |
| 5.3.1 能量泛函 | 第85-86页 |
| 5.3.2 水平集公式及其求解 | 第86-89页 |
| 5.3.3 模型算法步骤 | 第89-90页 |
| 5.4 实验结果与分析 | 第90-102页 |
| 5.5 本章小结 | 第102-105页 |
| 6 总结与展望 | 第105-109页 |
| 6.1 论文总结 | 第105-106页 |
| 6.2 研究展望 | 第106-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 附录 | 第123页 |
| A. 作者在导师指导下完成的论文 | 第123页 |
| B. 协助他人完成的论文 | 第123页 |
| C. 作者在攻读学位期间参加的课题与基金项目 | 第123页 |
