基于噪声模型的一种新型图像分割
| 中文摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-7页 |
| 目录 | 第7-9页 |
| 绪论 | 第9-15页 |
| 第一节 图像分割概述 | 第9-10页 |
| 第二节 课题研究背景 | 第10-12页 |
| 第三节 课题研究的意义及价值 | 第12-13页 |
| 第四节 应用领域 | 第13页 |
| 第五节 本文所做工作 | 第13-15页 |
| 第一章 传统图像分割方法 | 第15-23页 |
| 第一节 图像分割的定义 | 第15页 |
| 第二节 图像分割的评价准则及方法 | 第15-16页 |
| 第三节 图像分割的分类 | 第16-20页 |
| 1. 阈值图像分割 | 第17页 |
| 2. 基于边缘的图像分割 | 第17-19页 |
| 3. 基于区域的图像分割 | 第19页 |
| 4. 基于特定理论的图像分割 | 第19-20页 |
| 第四节 小结 | 第20-23页 |
| 第二章 图像噪声模型 | 第23-33页 |
| 第一节 噪声来源及分类 | 第23-24页 |
| 第二节 常见的噪声概率密度函数 | 第24-26页 |
| 第三节 传统噪声处理方法 | 第26-32页 |
| 1. 基本概念 | 第26-29页 |
| 2. 常见的空间域去噪技术 | 第29-31页 |
| 3. 常见的频率域去噪技术 | 第31-32页 |
| 第四节 小结 | 第32-33页 |
| 第三章 基于噪声统计模型的图像分割 | 第33-47页 |
| 第一节 问题的提出 | 第33页 |
| 第二节 区域生长法 | 第33-34页 |
| 第三节 算法的核心方法 | 第34-36页 |
| 1. 高斯统计模型 | 第34页 |
| 2. 初始分割 | 第34-36页 |
| 第四节 算法的基本思想描述 | 第36-38页 |
| 第五节 算法流程图 | 第38-40页 |
| 第六节 实验仿真及分析 | 第40-44页 |
| 第七节 小结 | 第44-47页 |
| 第四章 总结 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 攻读学位期间承担的科研任务与主要成果 | 第55-57页 |
| 致谢 | 第57-59页 |
| 个人简历 | 第59-61页 |
