| 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 图像分割的研究现状及发展趋势 | 第9-12页 |
| 1.2.1 图像分割的研究现状 | 第9-12页 |
| 1.2.2 图像分割的发展趋势 | 第12页 |
| 1.3 论文的结构安排 | 第12-14页 |
| 第2章 相关理论及预备工作 | 第14-31页 |
| 2.1 活动轮廓模型相关理论 | 第14-24页 |
| 2.1.1 活动轮廓模型的理论基础 | 第14-21页 |
| 2.1.2 相关活动轮廓模型 | 第21-24页 |
| 2.2 分数阶微分 | 第24-30页 |
| 2.2.1 分数阶微分理论及相关定义 | 第24-27页 |
| 2.2.2 分数阶微分特性 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于分数阶微分和LIF模型的图像分割算法 | 第31-43页 |
| 3.1 引言 | 第31-32页 |
| 3.2 本章分割算法 | 第32-36页 |
| 3.2.1 简化的CV模型数据拟合项 | 第32-34页 |
| 3.2.2 融合分数阶梯度的LIF模型 | 第34-35页 |
| 3.2.3 算法实现 | 第35-36页 |
| 3.3 实验结果与分析 | 第36-41页 |
| 3.3.1 分割性能验证 | 第36-39页 |
| 3.3.2 对初始轮廓的鲁棒性验证 | 第39-40页 |
| 3.3.3 抗噪性能验证 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 结合分数阶微分和图像局部信息的CV模型 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 本章分割算法 | 第44-49页 |
| 4.2.1 结合分数阶微分和图像局部信息的CV模型 | 第44-46页 |
| 4.2.2 构建分数阶阶次自适应模型 | 第46-49页 |
| 4.2.3 算法实现 | 第49页 |
| 4.3 实验结果与分析 | 第49-55页 |
| 4.3.1 分割性能验证 | 第49-52页 |
| 4.3.2 对初始轮廓的鲁棒性验证 | 第52-54页 |
| 4.3.3 抗噪性能验证 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间撰写的论文和参加科研情况 | 第63-64页 |
| 一、攻读硕士学位期间撰写的论文 | 第63页 |
| 二、攻读硕士学位期间参加科研情况 | 第63-64页 |
| 致谢 | 第64-65页 |