基于Chan-Vese模型的图像分割优化算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 图像分割技术的发展与现状 | 第9-10页 |
| 1.3 研究内容及研究方法 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 图像分割关键技术 | 第12-16页 |
| 2.1 水平集方法 | 第12页 |
| 2.2 变分法和梯度下降流 | 第12-14页 |
| 2.2.1 变分原理 | 第12-13页 |
| 2.2.2 梯度下降流 | 第13-14页 |
| 2.3 CV模型 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 3 基于TLBO-CV的几何图像分割 | 第16-30页 |
| 3.1 引言 | 第16页 |
| 3.2 双凸模糊变分方法 | 第16-17页 |
| 3.2.1 模糊逻辑 | 第16-17页 |
| 3.2.2 模糊能量函数及其最小化 | 第17页 |
| 3.3“教与学”优化算法 | 第17-20页 |
| 3.3.1 引言 | 第18页 |
| 3.3.2“教”阶段 | 第18-19页 |
| 3.3.3“学”阶段 | 第19-20页 |
| 3.4 TLBO优化长度惩罚项 | 第20-22页 |
| 3.5 实验结果与分析 | 第22-27页 |
| 3.6 结论 | 第27-28页 |
| 3.7 本章小结 | 第28-30页 |
| 4 基于CV-XB的灰度不均匀图像分割 | 第30-50页 |
| 4.1 引言 | 第30-31页 |
| 4.2 基于动态伪影检测的图像分割方法 | 第31-35页 |
| 4.2.1 静态伪影分类 | 第31-32页 |
| 4.2.2 动态伪影分类 | 第32-33页 |
| 4.2.3 梯度下降法最小化 | 第33-34页 |
| 4.2.4 动态阈值最小化 | 第34-35页 |
| 4.3 基于偏差校正的图像分割方法 | 第35-39页 |
| 4.3.1 Retinex理论假设 | 第35-36页 |
| 4.3.2 静态偏差域校正 | 第36页 |
| 4.3.3 动态偏差域校正 | 第36页 |
| 4.3.4 最小化能量泛函 | 第36-39页 |
| 4.4 结合伪影检测和偏差校正的图像分割 | 第39-42页 |
| 4.4.1 CV+XB模型 | 第39-40页 |
| 4.4.2 最小化能量泛函 | 第40-42页 |
| 4.5 实验结果与分析 | 第42-48页 |
| 4.6 结论 | 第48页 |
| 4.7 本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 展望和进一步的工作 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间获得的相关成果 | 第58页 |
