| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-11页 |
| 1.1 研究背景与意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 本文主要研究内容及结构安排 | 第9-11页 |
| 第二章 NMS模型的变分水平集形式及其传统算法 | 第11-18页 |
| 2.1 变分水平集方法 | 第11-13页 |
| 2.2 Mumford-Shah模型 | 第13-14页 |
| 2.3 Euler’s elastica模型 | 第14页 |
| 2.4 基于变分水平集NMS模型及其梯度下降算法 | 第14-18页 |
| 第三章 两相错觉轮廓图像深度分割改进模型及其快速算法 | 第18-33页 |
| 3.1 基于变分水平集的两相深度分割改进模型 | 第18-19页 |
| 3.2 两相深度分割改进模型的ADMM-Projection方法 | 第19-23页 |
| 3.2.1 交替优化策略 | 第19-20页 |
| 3.2.2 两相深度分割改进模型的ADMM-Projection方法 | 第20-23页 |
| 3.3 各个子问题的极小化 | 第23-27页 |
| 3.3.1 分段常值参数的估计 | 第23页 |
| 3.3.2 水平集函数的计算 | 第23-24页 |
| 3.3.3 辅助变量w的极小化 | 第24-26页 |
| 3.3.4 辅助变量v的极小化 | 第26页 |
| 3.3.5 更新拉格朗日乘子 | 第26-27页 |
| 3.4 两相图像深度分割实验结果及分析 | 第27-33页 |
| 3.4.1 在合成图像上的实验 | 第27-30页 |
| 3.4.2 在真实图像上的实验 | 第30-33页 |
| 第四章 多相错觉轮廓图像深度分割改进模型及其快速算法 | 第33-49页 |
| 4.1 基于变分水平集的多相深度分割改进模型 | 第33-35页 |
| 4.2 多相深度分割改进模型的ADMM-Projection方法 | 第35-37页 |
| 4.3 多相图像深度分割改进模型各子问题极小化 | 第37-40页 |
| 4.3.1 对分段常值参数的估计 | 第37-38页 |
| 4.3.2 水平集函数的计算 | 第38页 |
| 4.3.3 辅助变量w的极小化 | 第38-39页 |
| 4.3.4 辅助变量v的极小化 | 第39-40页 |
| 4.3.5 更新拉格朗日乘子 | 第40页 |
| 4.4 多相图像深度分割实验结果及分析 | 第40-49页 |
| 4.4.1 在合成图像上的实验 1 | 第40-43页 |
| 4.4.2 在合成图像上的实验 2 | 第43-45页 |
| 4.4.3 在噪声图像上的实验 | 第45-46页 |
| 4.4.4 在真实图像上的实验 | 第46-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 5.1 主要工作 | 第49页 |
| 5.2 未来展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读学位期间的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
