| 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14-20页 |
| 1.1 图像分割的聚类方法 | 第14-15页 |
| 1.1.1 K-means聚类 | 第14页 |
| 1.1.2 模糊聚类 | 第14-15页 |
| 1.2 图像分割的图切方法 | 第15-17页 |
| 1.3 图像分割的主动轮廓模型 | 第17-20页 |
| 第二章 主动轮廓模型和水平集方法 | 第20-28页 |
| 2.1 Mumford-Shah模型 | 第20页 |
| 2.2 图像分割的水平集方法 | 第20-22页 |
| 2.3 基于边界的主动轮廓模型 | 第22-23页 |
| 2.3.1 Snakes模型 | 第22页 |
| 2.3.2 GAC模型 | 第22-23页 |
| 2.4 基于区域的主动轮廓模型 | 第23-25页 |
| 2.4.1 Mumford-Shah模型的概率理解 | 第23-24页 |
| 2.4.2 Chan-Vese模型 | 第24-25页 |
| 2.5 凸主动轮廓模型 | 第25-26页 |
| 2.6 无参数概率主动轮廓模型 | 第26-28页 |
| 第三章 基于包含度的无参数概率主动轮廓模型 | 第28-42页 |
| 3.1 引言 | 第28-29页 |
| 3.2 相关背景 | 第29-30页 |
| 3.3 方法提出 | 第30-32页 |
| 3.3.1 图像域的包含度 | 第30-31页 |
| 3.3.2 基于包含度的能量泛函 | 第31-32页 |
| 3.3.3 梯度流 | 第32页 |
| 3.4 实验分析 | 第32-41页 |
| 3.4.1 INDAC的水平集形式 | 第32-33页 |
| 3.4.2 INDAC的分割结果 | 第33-37页 |
| 3.4.3 对比实验 | 第37-41页 |
| 3.5 结论 | 第41-42页 |
| 第四章 基于核描述子的主动轮廓模型 | 第42-60页 |
| 4.1 引言 | 第42-44页 |
| 4.2 相关背景 | 第44-46页 |
| 4.2.1 基于图论的交互式图像分割 | 第44页 |
| 4.2.2 基于主动轮廓的交互式图像分割 | 第44-45页 |
| 4.2.3 核描述子 | 第45-46页 |
| 4.3 方法提出 | 第46-51页 |
| 4.3.1 曲线的初始化 | 第46-48页 |
| 4.3.2 基于核描述子的主动轮廓模型 | 第48-49页 |
| 4.3.3 模型的修正和梯度流 | 第49-51页 |
| 4.4 实验分析 | 第51-58页 |
| 4.5 结论 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 附录A | 第62-64页 |
| 参考文献 | 第64-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
| 1. 基本情况 | 第74页 |
| 2. 教育背景 | 第74页 |
| 3. 攻读硕士学位期间的研究成果 | 第74-75页 |