| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-15页 |
| 1.1 背景介绍 | 第13页 |
| 1.2 发展现状及研究意义 | 第13-14页 |
| 1.3 本论文内容与安排 | 第14-15页 |
| 第二章 水平集方法的理论基础 | 第15-31页 |
| 2.1 基于水平集方法的图像分割算法 | 第15-24页 |
| 2.1.1 曲线演化理论 | 第15-17页 |
| 2.1.2 动态轮廓模型 | 第17-18页 |
| 2.1.3 水平集方法 | 第18-21页 |
| 2.1.4 snake模型 | 第21页 |
| 2.1.5 GAC模型 | 第21-23页 |
| 2.1.6 Chan-Vese模型 | 第23-24页 |
| 2.2 贝叶斯概率模型 | 第24-28页 |
| 2.2.1 逆概问题 | 第24页 |
| 2.2.2 贝叶斯理论 | 第24-26页 |
| 2.2.3 最大似然估计 | 第26-27页 |
| 2.2.4 贝叶斯估计与学习 | 第27-28页 |
| 2.3 本章小结 | 第28-31页 |
| 第三章 基于MAP模型的改进水平集图像分割算法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 基于MAP模型的水平集算法 | 第31页 |
| 3.3 基于MAP模型的改进水平集算法思路 | 第31-36页 |
| 3.4 改进算法流程 | 第36页 |
| 3.5 实验结果 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于混合高斯模型的改进水平集图像分割算法 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 高斯模型 | 第39-41页 |
| 4.2.1 混合高斯模型 | 第39-41页 |
| 4.3 基于单高斯模型的贝叶斯概率水平集算法的特点 | 第41-43页 |
| 4.4 基于混合高斯模型的水平集图像分割算法改进思路 | 第43-47页 |
| 4.4.1 EM算法 | 第43-45页 |
| 4.4.2 算法改进思路 | 第45-47页 |
| 4.5 改进算法流程 | 第47-49页 |
| 4.5.1 改进算法流程图 | 第49页 |
| 4.6 实验结果及分析 | 第49-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第五章 结论和展望 | 第57-61页 |
| 5.1 研究结论 | 第57-58页 |
| 5.2 研究展望 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
| 1.基本情况 | 第67页 |
| 2.教育背景 | 第67页 |
| 3.攻读硕士学位期间的研究成果 | 第67-68页 |