| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 图像分割方法的国内外研究现状 | 第11-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-18页 |
| 第二章 活动轮廓模型的水平集方法 | 第18-42页 |
| 2.1 曲线演化理论与水平集方法 | 第18-22页 |
| 2.1.1 曲线演化理论 | 第18-19页 |
| 2.1.2 水平集方法 | 第19-21页 |
| 2.1.3 变分法 | 第21-22页 |
| 2.1.4 梯度下降法 | 第22页 |
| 2.2 有限差分法 | 第22-25页 |
| 2.3 经典的活动轮廓模型 | 第25-41页 |
| 2.3.1 Snake模型 | 第25-27页 |
| 2.3.2 Mumford-Shah(MS)模型 | 第27页 |
| 2.3.3 Chan-Vese模型 | 第27-31页 |
| 2.3.4 Region Scale Fitting(RSF)模型 | 第31-34页 |
| 2.3.5 Li模型 | 第34-36页 |
| 2.3.6 Zhang模型 | 第36-38页 |
| 2.3.7 Local Difference Matrix(LDM)模型 | 第38-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于序列空间信息相关性的活动轮廓模型 | 第42-57页 |
| 3.1 基于序列空间信息相关性的活动轮廓模型 | 第42-51页 |
| 3.2 算法步骤 | 第51页 |
| 3.3 实验分析 | 第51-56页 |
| 3.3.1 实验一、对于不含噪声的真实图像序列分割 | 第51-55页 |
| 3.3.2 实验二、含噪声的序列图像的分割 | 第55-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于鲁棒性统计的序列图像活动轮廓分割模型 | 第57-70页 |
| 4.1 鲁棒的序列图像活动轮廓分割模型 | 第57-63页 |
| 4.2 算法步骤 | 第63页 |
| 4.3 实验分析 | 第63-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 全文总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70页 |
| 5.2 后续工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
