| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 水平集方法国内外研究现状 | 第15-19页 |
| 1.3 水平集方法的研究趋势 | 第19-21页 |
| 1.4 本文所做工作及结构安排 | 第21-24页 |
| 1.4.1 本文的主要工作 | 第21-22页 |
| 1.4.2 全文结构安排 | 第22-24页 |
| 第二章 水平集理论基础 | 第24-40页 |
| 2.1 理论基础 | 第24-30页 |
| 2.1.1 变分法 | 第24-25页 |
| 2.1.2 Euler-Lagrange方程 | 第25-27页 |
| 2.1.3 梯度下降法 | 第27-29页 |
| 2.1.4 曲线演化理论 | 第29-30页 |
| 2.2 变分水平集的基础理论 | 第30-34页 |
| 2.2.1 水平集方法概述 | 第30-32页 |
| 2.2.2 符号距离函数 | 第32页 |
| 2.2.3 水平集函数的初始化 | 第32-33页 |
| 2.2.4 变分水平集方法 | 第33-34页 |
| 2.3 几种经典的变分水平集模型 | 第34-37页 |
| 2.3.1 GAC模型 | 第34页 |
| 2.3.2 M-S模型 | 第34-35页 |
| 2.3.3 C-V模型 | 第35-37页 |
| 2.4 水平集方法与变分水平集方法的优缺点 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 基于自适应初始化的多变分水平集算法 | 第40-56页 |
| 3.1 引言 | 第40-42页 |
| 3.2 变分水平集模型 | 第42-45页 |
| 3.3 自适应轮廓的多变分水平集复杂背景下多目标检测 | 第45-51页 |
| 3.3.1 曲线初始化 | 第45-48页 |
| 3.3.2 基于变分水平集的多目标检测 | 第48-51页 |
| 3.4 实验结果及分析 | 第51-55页 |
| 3.4.1 数据库中的序列图像 | 第52-53页 |
| 3.4.2 实际场景中的序列图像 | 第53-54页 |
| 3.4.3 算法运行时间对比分析 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于多属性特征集成的变分水平集算法 | 第56-76页 |
| 4.1 引言 | 第56-57页 |
| 4.2 背景知识 | 第57-59页 |
| 4.2.1 SAR图像概述 | 第57-58页 |
| 4.2.2 SAR图像超像素分割研究现状 | 第58-59页 |
| 4.3 基于水平集的超像素分割算法 | 第59-62页 |
| 4.4 面向SAR图像的多属性特征能量泛函 | 第62-64页 |
| 4.4.1 相干斑噪声能量泛函 | 第62-63页 |
| 4.4.2 边缘特征能量泛函 | 第63页 |
| 4.4.3 纹理特征能量泛函 | 第63-64页 |
| 4.5 基于多属性特征集成的变分水平集超像素分割 | 第64-68页 |
| 4.6 实验结果及分析 | 第68-75页 |
| 4.6.1 与现有超像素分割算法的对比实验 | 第69-72页 |
| 4.6.2 集成不同特征的算法对比实验 | 第72-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 工作总结 | 第76-77页 |
| 5.2 研究展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |