| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-14页 |
| ·偏微分方程图像处理发展历史及主要模型 | 第14-17页 |
| ·偏微分方程图像处理发展历史 | 第14-15页 |
| ·图像处理中几类经典的偏微分方程模型 | 第15-17页 |
| ·论文主要研究内容和结构安排 | 第17-20页 |
| ·论文的主要工作 | 第17-18页 |
| ·论文的具体内容安排 | 第18-20页 |
| 第二章 各向异性扩散模型 | 第20-32页 |
| ·扩散模型介绍 | 第20-23页 |
| ·热扩散方程 | 第20-21页 |
| ·P-M 扩散方程 | 第21-23页 |
| ·方向扩散方程 | 第23页 |
| ·一种改进的基于热方程的扩散模型 | 第23-28页 |
| ·新模型的提出 | 第23-24页 |
| ·新模型的离散格式 | 第24-25页 |
| ·实验仿真 | 第25-28页 |
| ·改进的方向扩散方程 | 第28-30页 |
| ·新模型的提出 | 第28-29页 |
| ·实验仿真 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 图像复原中的变分模型 | 第32-52页 |
| ·TV 变分在图像恢复中的研究现状 | 第32-34页 |
| ·加权变分的图像恢复模型 | 第34-39页 |
| ·非线性加权变分模型的提出 | 第34-36页 |
| ·线性加权变分模型 | 第36页 |
| ·新模型的离散 | 第36-37页 |
| ·实验仿真 | 第37-39页 |
| ·基于小波与变分的图像复原模型 | 第39-47页 |
| ·新模型的提出 | 第39-41页 |
| ·新模型的离散 | 第41-42页 |
| ·实验仿真 | 第42-47页 |
| ·基于L~1范数与小波的加权变分模型 | 第47-51页 |
| ·新模型的提出 | 第47-49页 |
| ·模型的离散 | 第49-50页 |
| ·数值实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于直方图均衡化的图像增强算法 | 第52-64页 |
| ·基于直方图均衡化的图像增强算法 | 第52-58页 |
| ·直方图均衡化（HE）算法 | 第52-54页 |
| ·对比度受限自适应直方图均衡（CLAHE）算法 | 第54-56页 |
| ·加权平均的直方图均衡化算法 | 第56-58页 |
| ·对比度受限自适应直方图均衡化算法的改进 | 第58-63页 |
| ·对比度自适应剪切的直方图均衡化算法（CACHE） | 第58-59页 |
| ·对比度自适应剪切的加权平均直方图均衡化（CACWHE） | 第59页 |
| ·仿真实验 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于聚类与颜色量化的彩色图像分割 | 第64-82页 |
| ·K-means 算法和中位切割法的介绍 | 第64-66页 |
| ·K-means 聚类算法 | 第64-65页 |
| ·中位切割法 | 第65-66页 |
| ·基于K-means 的全局次最优颜色聚类算法 | 第66-73页 |
| ·K-means 聚类的两类初始化方法介绍 | 第66-67页 |
| ·新算法的提出 | 第67-70页 |
| ·实验仿真 | 第70-73页 |
| ·基于视觉一致的彩色图像分割算法 | 第73-81页 |
| ·RGB 与Munsell HVC 颜色空间的转换 | 第73-74页 |
| ·颜色聚类算法 | 第74-77页 |
| ·区域的归并——颜色聚类分割算法 | 第77页 |
| ·聚类与分割的实验仿真 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 攻读博士学位期间发表(录用)论文和科研情况 | 第94-96页 |
