基于PCNN和水平集的图像分割方法研究

摘要	第1-6页
ABSTRACT	第6-9页
第1章 绪论	第9-14页
·课题研究的背景和意义	第9页
·图像分割方法概述	第9-11页
·传统的图像分割方法	第9-10页
·基于活动轮廓模型的图像分割方法	第10页
·基于脉冲耦合神经网络的图像分割方法	第10-11页
·图像分割方法研究现状	第11-13页
·活动轮廓模型的研究现状	第11-12页
·脉冲耦合神经网络的研究现状	第12-13页
·本文的主要研究内容和安排	第13-14页
第2章 图像分割的基本概念与方法	第14-28页
·引言	第14页
·脉冲耦合神经网络	第14-21页
·脉冲耦合神经元模型	第15-17页
·脉冲耦合神经网络的特性	第17-20页
·脉冲耦合神经网络的运行机制	第20-21页
·参数活动轮廓模型	第21-22页
·水平集方法的基本理论	第22-27页
·曲线演化理论	第22-23页
·水平集活动轮廓模型	第23-26页
·水平集函数的初始化问题	第26-27页
·本章小结	第27-28页
第3章 基于RENYI熵与PCNN的图像分割方法	第28-38页
·引言	第28页
·PCNN模型迭代次数的判断准则	第28-31页
·最大熵准则	第29页
·最小交叉熵准则	第29-30页
·二维RENYI熵准则	第30-31页
·PCNN模型及其改进	第31-33页
·基于二维RENYI熵改进的PCNN模型	第33-37页
·算法步骤	第33-34页
·实验结果与分析	第34-37页
·本章小结	第37-38页
第4章 融合边缘与区域的水平集分割算法	第38-50页
·引言	第38页
·测地线活动轮廓模型	第38-41页
·局部图像拟合模型	第41-42页
·融合模型	第42-43页
·实验结果与分析	第43-48页
·本章小结	第48-50页
结论	第50-52页
参考文献	第52-56页
攻读硕士学位期间承担的科研任务与主要成果	第56-57页
致谢	第57-58页
作者简介	第58页