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

一种基于灰度信息和方差信息的C-V分割模型

摘要第1-4页
Abstract第4-5页
目录第5-7页
第一章 绪论第7-15页
   ·图像分割的目的和意义第7-8页
   ·图像分割方法综述第8-13页
     ·传统的图像分割方法第8-12页
     ·基于形变模型的图像分割方法第12-13页
   ·论文章节安排第13-15页
第二章 曲线演化和水平集方法第15-23页
   ·曲线演化和偏微分方程第15-17页
   ·水平集方法第17-22页
     ·水平集方法的主要思想和基本原理第17-19页
     ·水平集方法的数值计算第19-21页
     ·水平集方法的快速计算方法第21-22页
   ·本章小结第22-23页
第三章 曲线活动轮廓分割模型第23-35页
   ·Snake模型第23-28页
     ·Snake模型表达第23-24页
     ·Snake模型的求解方法第24-28页
   ·Mumford-Shah模型第28-29页
   ·Chan-Vese分割模型第29-33页
     ·Chan-Vese分割模型表达第29页
     ·Chan-Vese模型的水平集求解方法第29-32页
     ·实验结果及分析第32-33页
   ·本章小结第33-35页
第四章 基于灰度信息和方差信息的C-V模型第35-47页
   ·基于方差的能量函数第36-39页
     ·图像的局部方差定义第36-37页
     ·基于图像局部方差的能量泛函第37-39页
   ·基于图像方差和灰度的改进C-V图像分割模型第39-42页
   ·改进C-V模型的相关参数设置第42-44页
   ·实验结果分析第44-46页
   ·本章小结第46-47页
第五章 一种基于改进C-V模型的图像分割模型第47-57页
   ·基于C-V模型的新的图像分割模型第47-51页
     ·算法原理第47-48页
     ·算法的实现第48-49页
     ·实验结果及分析第49-51页
   ·一种基于改进C-V模型的图像分割模型第51-56页
     ·算法原理第51-53页
     ·算法的实现第53-54页
     ·实验结果及分析第54-56页
   ·本章小结第56-57页
第六章 总结与展望第57-59页
   ·本文的主要工作第57页
   ·未来展望第57-59页
参考文献第59-63页
攻读硕士学位期间取得的科研成果第63-65页
致谢第65-66页

论文共66页,点击 下载论文
上一篇:小波纹理与颜色直方图相结合的图像检索技术
下一篇:基于SVM的图像分类