| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 图像分割存在的问题及发展趋势 | 第19-20页 |
| 1.4 本文的主要研究内容及结构安排 | 第20-22页 |
| 第2章 图像分割中预处理的试验研究 | 第22-30页 |
| 2.1 图像分割的原理 | 第22-23页 |
| 2.2 图像分割评价准则 | 第23-25页 |
| 2.3 图像预处理试验研究 | 第25-29页 |
| 2.3.1 均值滤波器 | 第25-27页 |
| 2.3.2 高斯平滑滤波器 | 第27-28页 |
| 2.3.3 中值滤波器 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 经典图像分割算法的实验研究 | 第30-41页 |
| 3.1 基于阈值的图像分割算法 | 第30-33页 |
| 3.2 基于活动轮廓模型的图像分割算法 | 第33-40页 |
| 3.2.1 基于参数的活动轮廓模型 | 第33-36页 |
| 3.2.2 基于几何的主动轮廓模型 | 第36-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 基于双阈值的PCNN图像分割算法 | 第41-53页 |
| 4.1 PCNN的基本模型及特性分析 | 第41-44页 |
| 4.1.1 PCNN的基本模型 | 第41-43页 |
| 4.1.2 PCNN的特性分析 | 第43-44页 |
| 4.2 基于双阈值PCNN的图像分割算法 | 第44-48页 |
| 4.2.1 PCNN的工作原理 | 第44-46页 |
| 4.2.2 PCNN模型的简化 | 第46-47页 |
| 4.2.3 基于双阈值的PCNN改进模型 | 第47-48页 |
| 4.3 基于区域均匀性测度的最优分割自动判别原则 | 第48-49页 |
| 4.4 算法流程 | 第49-50页 |
| 4.5 实验仿真 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第5章 一种复杂背景环境下的改进型PCNN图像分割算法 | 第53-63页 |
| 5.1 改进型PCNN图像分割算法 | 第53-54页 |
| 5.2 改进型PCNN初始阈值及关键参数分析 | 第54-55页 |
| 5.3 改进型PCNN初始阈值的优化 | 第55-58页 |
| 5.4 改进型PCNN关键参数及分割结果的自动标定 | 第58-60页 |
| 5.4.1 基于灰度均方差的连接强度系数 | 第58-59页 |
| 5.4.2 基于像素空间与灰度值差异的连接权值矩阵 | 第59-60页 |
| 5.4.3 基于最大熵值的最优分割结果选择原则 | 第60页 |
| 5.5 算法流程 | 第60-61页 |
| 5.6 实验结果及分析 | 第61-62页 |
| 5.7 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
