| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 传统的图像分割算法及其在红外图像中的应用 | 第8-9页 |
| 1.2.1 阈值分割算法 | 第8页 |
| 1.2.2 边缘检测算法 | 第8-9页 |
| 1.2.3 区域增长法 | 第9页 |
| 1.3 多光谱图像分类 | 第9-11页 |
| 1.3.1 K均值聚类(K-means) | 第10页 |
| 1.3.2 迭代自组织数据分析算法(ISODATA) | 第10页 |
| 1.3.3 模糊C均值聚类(FCM) | 第10-11页 |
| 1.4 基于主动轮廓模型的图像分割方法 | 第11-12页 |
| 1.5 论文主要工作及内容 | 第12-14页 |
| 2 主动轮廓模型的相关理论 | 第14-24页 |
| 2.1 水平集方法 | 第14-16页 |
| 2.2 几何主动轮廓模型研究 | 第16-22页 |
| 2.2.1 测地几何主动轮廓(GAC)模型 | 第17-18页 |
| 2.2.2 Chan-Vese(CV)模型 | 第18-20页 |
| 2.2.3 局部二值拟合(LBF)模型 | 第20-21页 |
| 2.2.4 SLGS模型 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 3 自适应的基于多特征的主动轮廓分割(AMFS)模型 | 第24-40页 |
| 3.1 AMFS模型原理 | 第24-31页 |
| 3.1.1 多特征符号压力函数(MFSPF) | 第25-30页 |
| 3.1.2 自适应水平集方程 | 第30-31页 |
| 3.2 实验结果与分析 | 第31-39页 |
| 3.2.1 参数分析 | 第31-33页 |
| 3.2.2 实验结果分析 | 第33-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 基于空间-光谱信息的主动轮廓分割模型 | 第40-52页 |
| 4.1 算法流程 | 第40-41页 |
| 4.2 新型符号压力函数的构造 | 第41-44页 |
| 4.2.1 判断准则 | 第41-43页 |
| 4.2.2 驱动力大小 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-51页 |
| 4.3.1 参数分析 | 第44-47页 |
| 4.3.2 实验结果分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |