基于水平集方法的图像分割技术研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 图像分割的概念 | 第9-10页 |
| 1.2 图像分割的分类 | 第10-14页 |
| 1.3 本文的主要工作及章节安排 | 第14-16页 |
| 2 水平集方法综述 | 第16-25页 |
| 2.1 水平集方法基础数学理论 | 第16-21页 |
| 2.1.1 平面微分的基础理论 | 第16-18页 |
| 2.1.2 CFL条件 | 第18-19页 |
| 2.1.3 变分法和梯度下降流 | 第19-21页 |
| 2.2 水平集方法的基本理论 | 第21-23页 |
| 2.2.1 曲线演化理论 | 第21-22页 |
| 2.2.2 水平集方法 | 第22-23页 |
| 2.2.3 演化方程数值计算的有限差分法 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 3 水平集分割方法 | 第25-33页 |
| 3.1 水平集分割方法的研究背景 | 第25-26页 |
| 3.2 本文相关的经典水平集分割模型 | 第26-31页 |
| 3.2.1 GAC模型 | 第26-27页 |
| 3.2.2 Chan-Vese模型 | 第27-28页 |
| 3.2.3 LCV模型 | 第28-30页 |
| 3.2.4 B-样条变量水平集分割模型 | 第30页 |
| 3.2.5 SBGFRLS模型 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 4 水平集分割的自主定位初始轮廓方法 | 第33-46页 |
| 4.1 引言 | 第33页 |
| 4.2 基于梯度信息自主初始轮廓方法 | 第33-40页 |
| 4.2.1 基本思路 | 第33-34页 |
| 4.2.2 参数设置 | 第34-36页 |
| 4.2.3 算法描述 | 第36-37页 |
| 4.2.4 实验结果 | 第37-40页 |
| 4.3 基于全局信息的自主初始轮廓方法 | 第40-45页 |
| 4.3.1 基本思路 | 第40-41页 |
| 4.3.2 参数设置 | 第41-43页 |
| 4.3.3 算法描述 | 第43页 |
| 4.3.4 实验结果 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 一种新的基于统计信息的水平集分割方法 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 水平集分割算法 | 第46-49页 |
| 5.2.1 水平集演化模型 | 第46-48页 |
| 5.2.2 多相图像的分割 | 第48页 |
| 5.2.3 算法描述 | 第48-49页 |
| 5.3 实验结果 | 第49-54页 |
| 5.3.1 与CV模型的对比实验 | 第49-50页 |
| 5.3.2 与B-样条变量模型的对比实验 | 第50-52页 |
| 5.3.3 与SBGFRLS模型的对比实验 | 第52页 |
| 5.3.4 综合性对比实验 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的研究成果 | 第63-65页 |
| 附件 | 第65页 |
