复杂背景下的图像分割算法研究及应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状及发展动态 | 第11-14页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 发展动态 | 第13-14页 |
| 1.3 本文主要研究工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 图像分割方法及相关理论 | 第16-29页 |
| 2.1 概述 | 第16页 |
| 2.2 图像预处理 | 第16-22页 |
| 2.2.1 图像去噪 | 第16-18页 |
| 2.2.1.1 中值滤波算法 | 第17页 |
| 2.2.1.2 均值滤波算法 | 第17页 |
| 2.2.1.3 高斯滤波算法 | 第17-18页 |
| 2.2.1.4 双边滤波算法 | 第18页 |
| 2.2.2 图像增强 | 第18-22页 |
| 2.2.2.1 直方图均衡化 | 第19-20页 |
| 2.2.2.2 算数操作增强 | 第20-21页 |
| 2.2.2.3 锐化空间滤波 | 第21-22页 |
| 2.3 图像分割算法 | 第22-28页 |
| 2.3.1 基于阈值的分割 | 第22-26页 |
| 2.3.2 基于区域的分割 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于活动轮廓图像分割方法研究 | 第29-62页 |
| 3.1 概述 | 第29页 |
| 3.2 基于C-V模型的图像分割 | 第29-37页 |
| 3.2.1 水平集和曲线演化理论基础 | 第29-34页 |
| 3.2.2 模型理论 | 第34-35页 |
| 3.2.3 模型算法实现 | 第35-37页 |
| 3.3 经典SNAKE模型的图像分割 | 第37-45页 |
| 3.3.1 模型理论 | 第37-40页 |
| 3.3.2 模型算法实现 | 第40-43页 |
| 3.3.3 基于贪婪算法的求解 | 第43-45页 |
| 3.4 梯度矢量流的SNAKE模型 | 第45-50页 |
| 3.4.1 模型理论 | 第45-47页 |
| 3.4.2 模型算法实现 | 第47-50页 |
| 3.5 改进的SNAKE模型算法流程设计 | 第50-61页 |
| 3.5.1 分水岭算法理论 | 第50-53页 |
| 3.5.2 结合分水岭算法的Snake算法改进 | 第53-57页 |
| 3.5.3 复杂背景下的算法效果测试 | 第57-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 图像分割算法库模块设计与实现 | 第62-73页 |
| 4.1 概述 | 第62页 |
| 4.2 开发环境介绍 | 第62页 |
| 4.3.系统设计 | 第62-68页 |
| 4.3.1 界面设计 | 第63-65页 |
| 4.3.2 算法库模块设计 | 第65-68页 |
| 4.3.2.1 基于阈值分割 | 第65-67页 |
| 4.3.2.2 基于区域的分割 | 第67页 |
| 4.3.2.3 基于活动轮廓的分割 | 第67-68页 |
| 4.4 算法库测试 | 第68-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结和展望 | 第73-75页 |
| 5.1 全文总结 | 第73-74页 |
| 5.1.1 工作总结 | 第73-74页 |
| 5.1.2 本文创新点及主要贡献 | 第74页 |
| 5.2 研究展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
