基于偏微分方程的图像分割及应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 课题的背景及意义 | 第13-14页 |
| 1.2 本课题相关的研究进展 | 第14-24页 |
| 1.2.1 图像分割 | 第14-21页 |
| 1.2.2 图像分割的应用 | 第21-24页 |
| 1.3 课题研究内容及思路 | 第24-25页 |
| 1.4 论文主要工作及章节安排 | 第25-27页 |
| 第2章 理论基础 | 第27-39页 |
| 2.1 水平集基本理论 | 第27-33页 |
| 2.1.1 曲线的表示 | 第27-28页 |
| 2.1.2 水平集离散化表示 | 第28-29页 |
| 2.1.3 GAC模型的梯度下降流求解方案 | 第29-31页 |
| 2.1.4 GAC模型求解参量离散化表示 | 第31-33页 |
| 2.2 L1正则化 | 第33-37页 |
| 2.2.1 Bregman迭代 | 第33-35页 |
| 2.2.2 线性Bregman迭代 | 第35-36页 |
| 2.2.3 Split-Bregman迭代 | 第36-37页 |
| 2.3 本章小结 | 第37-39页 |
| 第3章 文化算法C-V水平集图像分割 | 第39-61页 |
| 3.1 Mumford-Shah模型 | 第40页 |
| 3.2 C-V模型 | 第40-42页 |
| 3.3 Li模型 | 第42-43页 |
| 3.4 文化算法 | 第43-44页 |
| 3.5 CC-V水平集图像分割 | 第44-52页 |
| 3.5.1 算法实现流程 | 第46页 |
| 3.5.2 实验结果及分析 | 第46-52页 |
| 3.6 分割模型的应用 | 第52-60页 |
| 3.6.1 运动目标背景提取 | 第52-54页 |
| 3.6.2 运动目标分割 | 第54-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第4章 自适应全局极小化图像分割 | 第61-75页 |
| 4.1 引言 | 第61-62页 |
| 4.2 边缘检测函数特性分析 | 第62-64页 |
| 4.3 实验结果及分析 | 第64-70页 |
| 4.4 算法客观参数评价 | 第70-72页 |
| 4.5 自适应全局极小化模型运动目标分割 | 第72-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第5章 基于非局部的偏微分方程纹理图像分割 | 第75-93页 |
| 5.1 引言 | 第75页 |
| 5.2 纹理图像特征描述 | 第75-78页 |
| 5.2.1 Gabor变换 | 第75-76页 |
| 5.2.2 非线性结构张量 | 第76-78页 |
| 5.2.3 累积分布函数 | 第78页 |
| 5.3 基于Gabor变换的C-V纹理分割 | 第78-80页 |
| 5.4 非局部理论 | 第80-82页 |
| 5.5 全变分项的非局部表示 | 第82-83页 |
| 5.6 NL-CEN分割模型 | 第83-85页 |
| 5.7 实验结果及分析 | 第85-90页 |
| 5.8 NL-CEN模型运动目标分割 | 第90-91页 |
| 5.9 本章小结 | 第91-93页 |
| 第6章 木材缺陷分类识别 | 第93-111页 |
| 6.1 引言 | 第93页 |
| 6.2 图像特征描述 | 第93-99页 |
| 6.2.1 数字图像距离表示 | 第93-94页 |
| 6.2.2 目标形状特征 | 第94-96页 |
| 6.2.3 目标纹理特征 | 第96-97页 |
| 6.2.4 形态学处理 | 第97-99页 |
| 6.3 木材缺陷图像分割 | 第99-104页 |
| 6.4 缺陷图像分类识别 | 第104-109页 |
| 6.5 本章小结 | 第109-111页 |
| 结论 | 第111-114页 |
| 参考文献 | 第114-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-129页 |
| 致谢 | 第129-130页 |
| 个人简历 | 第130页 |
