首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于先验信息约束的水平集图像分割方法研究

摘要第3-4页
Abstract第4-5页
第1章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 国内外研究现状第9-10页
    1.3 现存的主要问题第10-11页
    1.4 本文的主要工作第11-12页
        1.4.1 基于形状和颜色先验信息的水平集方法第11-12页
        1.4.2 基于形状对称性先验的水平集方法第12页
    1.5 论文组织结构第12-14页
第2章 水平集方法相关理论第14-30页
    2.1 引言第14页
    2.2 水平集分割方法基本理论第14-20页
        2.2.1 变分与泛函第15页
        2.2.2 Euler-Lagrange方程第15-16页
        2.2.3 梯度下降法第16-18页
        2.2.4 曲线演化理论第18页
        2.2.5 水平集函数及数值计算第18-20页
    2.3 水平集模型第20-25页
        2.3.1 Chan-Vese模型第20-22页
        2.3.2 基于局部信息的LCV(Local Chan-Vese)模型第22-25页
    2.4 实验结果与分析第25-29页
        2.4.1 实验条件及评价标准第25-26页
        2.4.2 实验结果及分析第26-29页
    2.5 本章小结第29-30页
第3章 基于形状和颜色先验信息的水平集方法第30-46页
    3.1 引言第30-31页
    3.2 颜色先验信息约束第31-33页
    3.3 形状先验信息约束第33-34页
    3.4 模型的实现第34-36页
    3.5 模型的算法步骤第36页
    3.6 实验结果与分析第36-45页
        3.6.1 实验条件第36-37页
        3.6.2 实验结果及分析第37-45页
    3.7 本章小结第45-46页
第4章 基于形状对称性先验信息的水平集方法第46-58页
    4.1 引言第46页
    4.2 对称性约束项第46-50页
    4.3 模型的实现第50-51页
    4.4 模型的算法步骤第51-52页
    4.5 实验结果与分析第52-56页
        4.5.1 实验条件第52页
        4.5.2 实验结果及分析第52-56页
    4.6 本章小结第56-58页
第5章 总结与展望第58-60页
    5.1 工作总结第58-59页
    5.2 工作展望第59-60页
参考文献第60-64页
致谢第64-65页
个人简历、在学期间发表的学术论文及研究成果第65页

论文共65页,点击 下载论文
上一篇:云制造环境下基于工作流的物流管理系统设计
下一篇:基于ArcEngine的跟踪评估系统设计与实现