摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第8-14页 |
1.1 概述 | 第8页 |
1.2 图像分割的研究进展 | 第8-11页 |
1.3 主动轮廓模型的研究现状 | 第11-13页 |
1.3.1 基于边界的主动轮廓模型 | 第11页 |
1.3.2 基于区域的主动轮廓模型 | 第11页 |
1.3.3 混合型主动轮廓模型 | 第11-12页 |
1.3.4 基于偏移场矫正的主动轮廓模型 | 第12-13页 |
1.4 论文结构与章节安排 | 第13-14页 |
第2章 基于局部区域信息和偏移场矫正模型的图像分割算法 | 第14-26页 |
2.1 水平集方法的基本原理 | 第14-16页 |
2.1.1 曲线演化理论 | 第14-15页 |
2.1.2 水平集方法 | 第15-16页 |
2.2 CV模型与带有偏移场信息的LBF模型 | 第16-18页 |
2.2.1 CV模型 | 第16-17页 |
2.2.2 带有偏移场信息的LBF模型 | 第17-18页 |
2.3 基于区域信息的图像分割与偏移场矫正模型(LBCV模型) | 第18-20页 |
2.3.1 LBCV模型 | 第18-19页 |
2.3.2 计算量比较 | 第19-20页 |
2.4 实验 | 第20-24页 |
2.4.1 LBCV模型实验结果 | 第20-21页 |
2.4.2 对比实验 | 第21-24页 |
2.5 本章小结 | 第24-26页 |
第3章 基于局部统计特性和结构张量的图像分割算法 | 第26-32页 |
3.1 基于局部统计概率信息的图像分割与偏移场矫正模型 | 第26-28页 |
3.1.1 SVMLS模型 | 第26-27页 |
3.1.2 SVMLS模型的二相水平集表示及求解 | 第27-28页 |
3.2 融入纹理信息的SVMLS图像分割模型 | 第28-29页 |
3.2.1 纹理信息表示 | 第28-29页 |
3.2.2 总体算法步骤 | 第29页 |
3.3 实验结果与讨论 | 第29-31页 |
3.3.1 二相SVMLS模型在图像中的应用 | 第29-30页 |
3.3.2 对比实验 | 第30-31页 |
3.4 本章小结 | 第31-32页 |
第4章 基于自适应正则与偏移场矫正模型的图像分割算法 | 第32-40页 |
4.1 贝叶斯框架 | 第32页 |
4.2 结合自适应正则的图像分割与偏移场矫正模型 | 第32-35页 |
4.2.1 似然函数 | 第32-33页 |
4.2.2 轮廓先验 | 第33页 |
4.2.3 自适应正则 | 第33-34页 |
4.2.4 能量函数的水平集表示 | 第34页 |
4.2.5 最优化 | 第34-35页 |
4.3 实验结果与分析 | 第35-39页 |
4.3.1 模拟图像分割结果 | 第36-38页 |
4.3.2 真实图像分割结果 | 第38-39页 |
4.4 本章小结 | 第39-40页 |
第5章 总结与展望 | 第40-42页 |
5.1 本文总结 | 第40页 |
5.2 前景展望 | 第40-42页 |
参考文献 | 第42-48页 |
致谢 | 第48-50页 |
攻读学位期间研究成果 | 第50页 |