偏微分与变分技术在图像分割中的应用研究 目录

第1章 绪论1．1 研究背景和意义1．2 国内外研究现状1．2．1 图像分割的传统方法综述1．2．2 基于偏微分方程图像的分割方法综述1．3 本书结构第2章 图像处理的偏微分与变分技术2．1 变分法2．1．1 变分原理2．1．2 梯度下降流方程2．2 水平集方法的基本理论2．2．1 曲线演化理论2．2．2 水平集方法2．2．3 变分水平集方法2．2．4 水平集方法的数值求解2．3 经典的活动轮廓模型2．3．1 Snae模型2．3．2 Mumford-Shah模型2．3．3 CV模型2．3．4 RSF模型2．3．5 LCK模型2．4 本章小结第3章 基于局部灰度差异的噪声自纠正分割模型3．1 引言3．2 研究背景3．3 噪声自纠正的活动轮廓模型3．3．1 噪声修正函数的构建3．3．2 能量泛函的建立3．3．3 模型的数值实现及算法步骤3．4 实验结果与分析3．4．1 参数的设置及评价方法3．4．2 模型的性能3．4．3 与相关模型的比较3．4．4 分割精度对比3．5 本章小结第4章 一种邻域自适应的噪声图像分割模型4．1 引言4．2 研究背景4．3 梯度自适应的活动轮廓模型4．3．1 自适应核函数的构造4．3．2 能量泛函极小化4．3．3 模型的数值实现及算法步骤4．4 实验结果与分析4．4．1 参数设置及评价方法4．4．2 初始轮廓的鲁棒性4．4．3 应用于合成图像4．4．4 应用于自然图像4．4．5 分割效率的对比4．5 本章小结第5章 修正局部极小的局部灰度差异分割模型5．1 引言5．2 研究背景5．3 模型的提出5．3．1 局部灰度差异项的构建5．3．2 模型的水平集表示5．3．3 模型的数值解法及其算法的概述5．4 实验结果分析5．4．1 对初始轮廓的敏感性对比5．4．2 对含有噪声和模糊边界图像的分割5．4．3 与相关模型的对比实验5．4．4 分割精度对比5．5 本章小结第6章 基于支持向量机的噪声图像分割模型6．1 研究背景6．2 相关理论6．2．1 基于K均值的局部相关系数方法6．2．2 One-Class SVM异常值检测方法6．3 异常值检测与鲁棒的噪声图像分割方法6．4 实验结果与分析6．4．1 椒盐噪声环境下合成图像分割实验6．4．2 椒盐噪声环境下自然图像分割实验6．4．3 迭代耗时分析6．5 本章小结第7章 结合OTSU的图像分割模型7．1 研究背景7．2 相关模型7．2．1 RSF模型7．2．2 LIF模型7．2．3 *大类间方差思想7．3 基于*大类间方差的VLIF模型7．4 能量泛函求解7．5 实验结果与分析7．5．1 对灰度不均匀图像的分割7．5．2 对医学图像的分割7．5．3 对场景复杂的自然图像的分割7．5．4 分割精度7．6 本章小结第8章 基于熵的全局和局部权重自适应模型8．1 研究背景8．2 相关理论8．2．1 图像熵理论8．2．2 局部图像熵8．2．3 C-V模型8．3 基于图像熵的权重自动调节活动轮廓模型8．4 能量泛函求解8．5 实验结果与分析8．5．1 对初始轮廓的敏感度实验8．5．2 权重函数自动调节的有效性8．5．3 对自然图像的分割8．5．4 视网膜血管图像分割8．5．5 迭代次数和耗时8．6 本章小结第9章 总结参考文献

偏微分与变分技术在图像分割中的应用研究 内容简介

本书总结了笔者近年来在图像分割方面的研究成果, 主要介绍了基于变分水平集的分割技术及其应用, 并在对该领域基本概念、相关技术、研究进展进行总结分析和深入研究的基础上, 提出了几种新的分割方法和理论。本书在内容上力求做到深人浅出、通俗易懂, 不仅具有一定的深度和广度, 而且反映学科的新问题、新动向, 介绍学科前沿的新成果和新内容。