| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第11-25页 |
| 1.1 引言 | 第11-13页 |
| 1.2 变分图像分割方法 | 第13-19页 |
| 1.2.1 变分图像分割方法的研究历史与现状 | 第13-17页 |
| 1.2.2 变分图像分割方法的研究意义 | 第17-18页 |
| 1.2.3 变分图像分割方法面临的问题 | 第18-19页 |
| 1.3 经典的变分图像分割模型 | 第19-23页 |
| 1.4 本文主要工作和结构安排 | 第23-25页 |
| 2 凸变分水平集模型 | 第25-43页 |
| 2.1 引言 | 第25页 |
| 2.2 相关工作 | 第25-28页 |
| 2.2.1 Chan-Vese模型 | 第25-26页 |
| 2.2.2 Lee-Seo模型 | 第26-27页 |
| 2.2.3 Li-Kim模型 | 第27页 |
| 2.2.4 基于变异系数的分割模型 | 第27-28页 |
| 2.3 本文模型 | 第28-32页 |
| 2.4 数值实现 | 第32-37页 |
| 2.4.1 数值方案 | 第32-34页 |
| 2.4.2 水平集函数初始化 | 第34-35页 |
| 2.4.3 停止条件 | 第35-37页 |
| 2.5 实验结果 | 第37-42页 |
| 2.6 小结 | 第42-43页 |
| 3 间接正则的变分水平集模型 | 第43-67页 |
| 3.1 引言 | 第43-44页 |
| 3.2 已有工作 | 第44-47页 |
| 3.2.1 关于数据项 | 第44-46页 |
| 3.2.2 关于正则项 | 第46-47页 |
| 3.3 模型的提出与分析 | 第47-52页 |
| 3.4 算法及其收敛性分析 | 第52-54页 |
| 3.4.1 交替极小算法 | 第52页 |
| 3.4.2 收敛性分析 | 第52-54页 |
| 3.5 实验结果 | 第54-60页 |
| 3.6 讨论 | 第60-66页 |
| 3.6.1 初始化 | 第60-62页 |
| 3.6.2 间接正则的优点 | 第62-66页 |
| 3.7 小结 | 第66-67页 |
| 4 由Retinex理论诱导的变分图像分割及偏场校正模型 | 第67-83页 |
| 4.1 引言 | 第67-68页 |
| 4.2 相关工作 | 第68-70页 |
| 4.2.1 动态阈值Chan-Vese模型 | 第68页 |
| 4.2.2 LBF模型 | 第68-69页 |
| 4.2.3 LICF模型 | 第69-70页 |
| 4.3 本文模型 | 第70-74页 |
| 4.3.1 Retinex理论 | 第70-71页 |
| 4.3.2 同时分割和偏移估计的变分模型 | 第71页 |
| 4.3.3 能量泛函极小化 | 第71-74页 |
| 4.4 数值实验 | 第74-81页 |
| 4.4.1 模型性能 | 第74-75页 |
| 4.4.2 与其他模型比较 | 第75-79页 |
| 4.4.3 进一步应用到MRI图像 | 第79-81页 |
| 4.5 本章小结 | 第81-83页 |
| 5 分割SAR漏油图像的两步方法 | 第83-95页 |
| 5.1 引言 | 第83-84页 |
| 5.2 相关工作 | 第84-85页 |
| 5.2.1 GMACM模型 | 第84页 |
| 5.2.2 GSACM模型 | 第84-85页 |
| 5.3 本文方法 | 第85-89页 |
| 5.3.1 提取增强图像 | 第85-86页 |
| 5.3.2 变分分割模型 | 第86-89页 |
| 5.4 实验结果 | 第89-94页 |
| 5.4.1 本文方法的性能 | 第90-91页 |
| 5.4.2 与GMACM和GSACM的比较 | 第91-94页 |
| 5.5 小结 | 第94-95页 |
| 6 结论与展望 | 第95-97页 |
| 6.1 全文总结 | 第95-96页 |
| 6.2 下一步研究方向 | 第96-97页 |
| 致谢 | 第97-99页 |
| 参考文献 | 第99-109页 |
| 附录 | 第109页 |
| A. 作者在攻读博士学位期间发表及完成论文目录： | 第109页 |
| B. 作者在攻读博士学位期间协助指导完成论文目录： | 第109页 |
| C. 作者在攻读博士学位期间参加科研项目情况： | 第109页 |