改进区域模型的水平集图像分割算法研究
| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 图像分割方法 | 第12-14页 |
| 1.2.2 水平集图像分割算法的优势 | 第14-15页 |
| 1.2.3 水平集图像分割算法 | 第15-17页 |
| 1.3 研究内容与创新 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第二章 水平集图像分割数学基础 | 第20-28页 |
| 2.1 曲线演化问题 | 第20-22页 |
| 2.2 水平集理论 | 第22-24页 |
| 2.2.1 水平集基础理论 | 第22-23页 |
| 2.2.2 水平集的数值计算 | 第23-24页 |
| 2.3 经典的活动轮廓模型 | 第24-27页 |
| 2.3.1 参数活动轮廓模型 | 第25-26页 |
| 2.3.2 GAC模型 | 第26-27页 |
| 2.3.3 Mumford-Shah模型 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于最大类间方差的局部分割模型 | 第28-49页 |
| 3.1 研究背景 | 第28-29页 |
| 3.2 相关模型 | 第29-34页 |
| 3.2.1 RSF模型 | 第29-30页 |
| 3.2.2 LIF模型 | 第30-32页 |
| 3.2.3 最大类间方差思想 | 第32-34页 |
| 3.3 基于最大类间方差的VLIF模型 | 第34-35页 |
| 3.4 能量泛函求解 | 第35-38页 |
| 3.5 实验结果与分析 | 第38-47页 |
| 3.5.1 对灰度不均匀图像的分割 | 第38-40页 |
| 3.5.2 对医学图像的分割 | 第40-42页 |
| 3.5.3 对场景复杂的自然图像的分割 | 第42-44页 |
| 3.5.4 分割精度 | 第44-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 引入图像熵的权重自适应活动轮廓模型 | 第49-63页 |
| 4.1 研究背景 | 第49-50页 |
| 4.2 相关理论 | 第50-51页 |
| 4.2.1 图像熵理论 | 第50页 |
| 4.2.2 局部图像熵 | 第50-51页 |
| 4.2.3 CV模型 | 第51页 |
| 4.3 基于图像熵的权重自动调节活动轮廓模型 | 第51-52页 |
| 4.4 能量泛函求解 | 第52-54页 |
| 4.5 实验结果与分析 | 第54-62页 |
| 4.5.1 对初始轮廓的敏感度实验 | 第55-56页 |
| 4.5.2 权重函数自动调节的有效性 | 第56-57页 |
| 4.5.3 对自然图像的分割 | 第57-59页 |
| 4.5.4 医学图像分割 | 第59-61页 |
| 4.5.5 迭代时间与次数 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63页 |
| 5.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
