| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·国内外研究现状和发展趋势 | 第7-8页 |
| ·研究现状 | 第7-8页 |
| ·发展趋势 | 第8页 |
| ·课题的目的和意义 | 第8-9页 |
| ·课题的研究内容及方法 | 第9-11页 |
| 2 基于计算机视觉技术的图像分割方法 | 第11-21页 |
| ·计算机视觉技术 | 第11页 |
| ·图像分割的定义 | 第11-13页 |
| ·图像分割算法 | 第13-17页 |
| ·基于区域的分割方法 | 第13-14页 |
| ·基于边缘检测的分割方法 | 第14-16页 |
| ·现代分割方法简介 | 第16-17页 |
| ·适合木材细胞图像分割的算法研究 | 第17-19页 |
| ·待分析的图像的特点 | 第17-19页 |
| ·可采用的图像分割方法 | 第19页 |
| ·软件平台简介 | 第19页 |
| ·本章小结 | 第19-21页 |
| 3 传统边缘检测算法的木材细胞图像分割方法 | 第21-30页 |
| ·传统边缘检测算子 | 第21-25页 |
| ·梯度算子 | 第22-23页 |
| ·二阶微分算子 | 第23-24页 |
| ·Canny算子 | 第24-25页 |
| ·仿真结果 | 第25-29页 |
| ·各算子性能比较 | 第29页 |
| ·本章小结 | 第29-30页 |
| 4 基于水平集方法的木材细胞图像分割方法 | 第30-44页 |
| ·几何变形模型与图像分割 | 第30-34页 |
| ·几何变形模型 | 第30-32页 |
| ·几何曲线演化与图像分割 | 第32-34页 |
| ·水平集方法实现活动轮廓线演化 | 第34-38页 |
| ·Level Set算法介绍 | 第34-36页 |
| ·水平集方法的优点 | 第36-37页 |
| ·水平集方法的数值计算 | 第37-38页 |
| ·水平集(Level Set)的快速算法——窄带算法的图像分割方法的实现 | 第38-39页 |
| ·实验结果及讨论 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于Mumford-Shah模型的水平集方法的木材细胞图像分割方法 | 第44-51页 |
| ·Mumford-Shah模型的基本形式 | 第44-45页 |
| ·基于水平集求解简化M-S模型的C-V方法 | 第45-47页 |
| ·Mumford-Shah模型的改进及其在木材细胞图像分割中的应用 | 第47-49页 |
| ·木材细胞图像的灰度特点 | 第47-48页 |
| ·改进的Mumford-Shah模型 | 第48-49页 |
| ·实验结果及讨论 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57-58页 |
| 独创性声明 | 第58页 |
| 学位论文版权使用授权书 | 第58页 |
