| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景 | 第8-10页 |
| ·图像分割的意义 | 第8页 |
| ·图像分割的研究现状 | 第8-10页 |
| ·基于区域特性的图像分割算法 | 第10-11页 |
| ·半监督学习算法 | 第11-15页 |
| ·半监督学习的意义 | 第11-12页 |
| ·半监督学习的研究内容 | 第12-15页 |
| ·论文的内容安排 | 第15-16页 |
| 第二章 基于二次三维区域生长的腹部器官提取算法 | 第16-26页 |
| ·引言 | 第16-17页 |
| ·三维区域生长算法用于腹部器官的自动提取 | 第17-21页 |
| ·初始种子点的选取 | 第18-19页 |
| ·生长准则和终止条件 | 第19页 |
| ·基于二次三维区域生长的器官提取算法步骤及流程图 | 第19-21页 |
| ·实验结果及分析 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于距离学习的半监督谱聚类用于SAR图像分割 | 第26-40页 |
| ·引言 | 第26-27页 |
| ·纹理特征提取 | 第27-30页 |
| ·基于灰度共生矩阵的特征 | 第28-29页 |
| ·基于小波变换的能量特征 | 第29-30页 |
| ·谱聚类简介 | 第30-31页 |
| ·带约束的K-均值聚类算法 | 第31-32页 |
| ·基于距离学习的半监督谱聚类算法 | 第32-34页 |
| ·距离学习 | 第33页 |
| ·基于距离学习的半监督谱聚类算法 | 第33-34页 |
| ·实验结果及分析 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 结合分水岭和改进的Laplacian SVM算法的SAR图像分割 | 第40-58页 |
| ·引言 | 第40-41页 |
| ·Laplacian SVM算法 | 第41-46页 |
| ·流形结构与半监督学习 | 第41-42页 |
| ·图的Laplacian与流形上Laplacian的联系 | 第42页 |
| ·流形正则化框架 | 第42-43页 |
| ·支持向量机算法 | 第43-44页 |
| ·Laplacian SVM算法 | 第44-46页 |
| ·基于自调节图的Laplacian SVM算法 | 第46-48页 |
| ·结合分水岭和改进的 LapSVM 算法的图像分割 | 第48-50页 |
| ·基于分水岭的图像分割策略 | 第48-49页 |
| ·结合分水岭和改进的LapSVM算法的图像分割 | 第49-50页 |
| ·实验结果及分析 | 第50-56页 |
| ·实验参数设置 | 第50-51页 |
| ·实验结果 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 研究成果 | 第68-69页 |
