| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 几何活动轮廓模型的研究现状 | 第16-18页 |
| 1.3 论文的主要工作和章节安排 | 第18-21页 |
| 第二章 活动轮廓模型和水平集方法 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 活动轮廓模型 | 第21-25页 |
| 2.2.1 参数活动轮廓模型 | 第21-22页 |
| 2.2.2 几何活动轮廓模型 | 第22-25页 |
| 2.3 水平集理论 | 第25-28页 |
| 2.3.1 曲线演化 | 第25-26页 |
| 2.3.2 水平集方法 | 第26-27页 |
| 2.3.3 数值实现 | 第27-28页 |
| 2.4 图像评价准则 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于边缘的活动轮廓模型 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 测地线活动轮廓模型 | 第31-34页 |
| 3.2.1 GAC模型原理 | 第31-32页 |
| 3.2.2 实验结果及分析 | 第32-34页 |
| 3.3 距离正则化水平集演化模型 | 第34-37页 |
| 3.3.1 DRLSE模型原理 | 第34-35页 |
| 3.3.2 实验结果及分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于改进局部信息的CV模型的图像分割算法 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 基于全局信息的CV模型的分割算法 | 第39-40页 |
| 4.3 基于改进局部信息的CV模型的图像分割算法 | 第40-48页 |
| 4.3.1 灰度拟合项和规则项 | 第40-42页 |
| 4.3.2 算法步骤及流程图 | 第42-44页 |
| 4.3.3 实验结果与分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于边缘和局部灰度拟合模型的快速图像分割算法 | 第49-59页 |
| 5.1 引言 | 第49页 |
| 5.2 LBF模型分割原理 | 第49-50页 |
| 5.3 基于边缘和局部灰度拟合模型的图像分割算法 | 第50-57页 |
| 5.3.1 基于边缘和局部灰度拟合模型的原理 | 第51-52页 |
| 5.3.2 算法步骤及流程图 | 第52-53页 |
| 5.3.3 实验结果与分析 | 第53-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |