砂岩薄片图像分割关键技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 1 绪论 | 第8-14页 |
| ·课题背景 | 第8-10页 |
| ·研究现状 | 第10-11页 |
| ·主要工作 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 2 边缘流 | 第14-29页 |
| ·常用的边缘检测算法 | 第14-17页 |
| ·一阶导数边缘检测算子 | 第14-15页 |
| ·二阶导数边缘检测算子 | 第15-16页 |
| ·基于小波的边缘检测方法 | 第16-17页 |
| ·边缘流 | 第17-23页 |
| ·边缘流的定义 | 第17-18页 |
| ·灰度边缘流 | 第18-19页 |
| ·纹理边缘流 | 第19-21页 |
| ·相位边缘流 | 第21-23页 |
| ·均匀色彩空间L~*A~*B~* | 第23-24页 |
| ·各种边缘流的集成及实验结果 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 尺度空间 | 第29-39页 |
| ·尺度空间的定义 | 第29页 |
| ·尺度空间的性质 | 第29-32页 |
| ·因果性 | 第29-31页 |
| ·对比不变性 | 第31页 |
| ·转换不变性 | 第31-32页 |
| ·构造多尺度边缘流向量场及实验结果 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 4 曲线演化的水平集算法和图像分割 | 第39-60页 |
| ·曲线演化理论和图像分割 | 第39-44页 |
| ·曲线演化理论 | 第39-42页 |
| ·基于曲线演化的图像分割 | 第42-44页 |
| ·水平集理论 | 第44-47页 |
| ·水平集方法的提出与应用 | 第44-45页 |
| ·水平集方法 | 第45-47页 |
| ·水平集方法的数值计算 | 第47-49页 |
| ·水平集函数演化的快速算法 | 第49-53页 |
| ·窄带法 | 第49-51页 |
| ·快速行进法 | 第51-53页 |
| ·关于水平集的其它问题讨论 | 第53-56页 |
| ·符号距离函数的构造 | 第53-55页 |
| ·速度场的扩展 | 第55页 |
| ·迭代时间间隔的选取 | 第55-56页 |
| ·基于边缘流控制曲线演化的图像分割方法及实验结果 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 5 利用支持向量机进一步改善分割效果 | 第60-82页 |
| ·统计学习理论的引出 | 第60-62页 |
| ·机器学习问题描述 | 第60-61页 |
| ·经验风险最小化 | 第61-62页 |
| ·统计学习理论的核心内容 | 第62-65页 |
| ·学习机器的VC维 | 第62-63页 |
| ·推广性的界 | 第63-64页 |
| ·结构风险最小化 | 第64-65页 |
| ·支持向量机 | 第65-74页 |
| ·硬间隔支持向量机 | 第65-69页 |
| ·软间隔支持向量机 | 第69-70页 |
| ·非线性支持向量机 | 第70-72页 |
| ·多类问题的支持向量机 | 第72-74页 |
| ·对分割算法的进一步改进 | 第74-75页 |
| ·分割砂岩薄片图像实验 | 第75-81页 |
| ·本章小结 | 第81-82页 |
| 6 与其它分割算法的比较及本文算法的通用性分析 | 第82-91页 |
| ·与常用分割算法的比较 | 第82-88页 |
| ·分割结果比较 | 第82-86页 |
| ·分割目的比较 | 第86-88页 |
| ·通用性分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 7 总结及建议 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 科研成果 | 第97-99页 |
| 致谢 | 第99页 |
