| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 图像分割方法的研究现状 | 第10-14页 |
| 1.2.1 基于阈值的图像分割方法 | 第10-11页 |
| 1.2.2 基于边缘的图像分割方法 | 第11页 |
| 1.2.3 基于区域的图像分割方法 | 第11-12页 |
| 1.2.4 基于特定理论的图像分割方法 | 第12-14页 |
| 1.3 论文的结构安排 | 第14-15页 |
| 第二章 预备知识 | 第15-27页 |
| 2.1 活动轮廓模型的基本原理 | 第15-19页 |
| 2.1.1 曲线演化理论 | 第15-17页 |
| 2.1.2 水平集方法 | 第17-19页 |
| 2.2 常见的活动轮廓分割模型 | 第19-22页 |
| 2.2.1 Snake模型 | 第19-20页 |
| 2.2.2 梯度活动轮廓模型(Gradient Vector Flow, GVF) | 第20-21页 |
| 2.2.3 测地线轮廓模型(GAC模型) | 第21-22页 |
| 2.2.4 Mumford–Shah模型 | 第22页 |
| 2.3 分数阶微分定义 | 第22-26页 |
| 2.3.1 Grümwald-Letnikov定义 | 第23-24页 |
| 2.3.2 Riemann-Liouville定义 | 第24-25页 |
| 2.3.3 Caputo定义 | 第25页 |
| 2.3.4 分数阶导数的Fourier变化域定义 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 融合G-L分数阶和RSF模型的图像分割算法研究 | 第27-43页 |
| 3.1 引言 | 第27-29页 |
| 3.2 相关理论 | 第29-31页 |
| 3.2.1 CV模型 | 第29-30页 |
| 3.2.2 RSF模型 | 第30-31页 |
| 3.3 分数阶微分特性 | 第31-34页 |
| 3.3.1 分数阶微分对信号的作用 | 第31-32页 |
| 3.3.2 G-L微分掩膜构造 | 第32-33页 |
| 3.3.3 G-L分数阶微分增加梯度幅值的实验验证 | 第33-34页 |
| 3.4 本文分割模型 | 第34-36页 |
| 3.4.1 融合分数阶梯度的RSF模型 | 第35-36页 |
| 3.4.2 算法实现 | 第36页 |
| 3.5 实验结果与分析 | 第36-42页 |
| 3.5.1 分割性能验证 | 第36-38页 |
| 3.5.2 对演化曲线初始位置选择的敏感性验证 | 第38-39页 |
| 3.5.3 抗噪性能验证 | 第39-41页 |
| 3.5.4 分数阶阶次对分割结果的影响 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于自适应分数阶微分的RSF模型分割算法 | 第43-54页 |
| 4.1 引言 | 第43-45页 |
| 4.2 双边滤波定义 | 第45页 |
| 4.3 本文算法 | 第45-49页 |
| 4.3.1 自适应分数阶微分的推导 | 第45-48页 |
| 4.3.2 基于双边滤波的拟合项 | 第48-49页 |
| 4.3.3 算法步骤 | 第49页 |
| 4.4 实验结果与分析 | 第49-53页 |
| 4.4.1 自适应分数阶梯度增强 | 第49-50页 |
| 4.4.2 分割性能的验证 | 第50-51页 |
| 4.4.3 自适应分数阶阶次实验分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士期间撰写的论文和参加科研情况 | 第61-62页 |
| 一 攻读硕士学位期间撰写的论文 | 第61页 |
| 二 攻读硕士学位期间参加科研情况 | 第61-62页 |
| 致谢 | 第62-63页 |
