偏微分方程的圖像分割技術(shù)及應(yīng)用

第1章 緒論
1．1 概述
1．2 傳統(tǒng)圖像分割方法
1．3 基于偏微分方程的圖像分割
1．3．1 研究背景
1．3．2 幾個(gè)經(jīng)典的分割模型
1．3．3 偏微分方程圖像分割現(xiàn)存的一些問(wèn)題
1．4 本書(shū)的主要研究工作
1．5 本書(shū)的組織結(jié)構(gòu)
第2章 背景知識(shí)
2．1 曲線(xiàn)演化
2．1．1 曲線(xiàn)幾何演化的一般方程式
2．1．2 常用的曲線(xiàn)演化方程
2．2 水平集方法
2．2．1 水平集方法概述
2．2．2 水平集函數(shù)的初始化和重新初始化
2．2．3 迎風(fēng)差分方案
2．3 基于變分模型的水平集正則化
2．4 數(shù)值實(shí)現(xiàn)——有限差分法
2．5 圖像分割中的變分?jǐn)?shù)學(xué)基礎(chǔ)
2．5．1 Frechet微分和Gteaux微分
2．5．2 泛函極值與EulerLagrange方程
2．5．3 最速下降法
小結(jié)
第3章 基于p（x）范數(shù)的活動(dòng)輪廓模型
3．1 引言
3．2 模型及存在的問(wèn)題
3．2．1 ChanVese模型
3．2．2 所存在的問(wèn)題
3．3 提出模型
3．3．1 模型的提出
3．3．2 能量泛函極小化
3．4 數(shù)值算法和實(shí)驗(yàn)結(jié)果
3．4．1 數(shù)值算法
3．4．2 實(shí)驗(yàn)結(jié)果
3．5 討論K
小結(jié)
Ⅱ
第4章 自適應(yīng)常值初始化活動(dòng)輪廓模型
4．1 引言
4．2 過(guò)渡區(qū)
4．3 提出模型
4．4 模型分析
4．5 水平集的初始化
4．6 數(shù)值算法和實(shí)驗(yàn)結(jié)果
4．6．1 數(shù)值算法
4．6．2 實(shí)驗(yàn)結(jié)果
4．7 過(guò)渡區(qū)對(duì)模型的魯棒性分析
小結(jié)
第5章 基于局部和全局信息的活動(dòng)輪廓模型
5．1 引言
5．2 相關(guān)模型
5．2．1 LIF模型
5．2．2 ALSWCF模型
5．3 所提模型
5．3．1 模型的描述
5．3．2 模型的分析
5．3．3 水平集函數(shù)的初始化
5．4 數(shù)值算法和實(shí)驗(yàn)結(jié)果
5．4．1 數(shù)值算法
5．4．2 實(shí)驗(yàn)結(jié)果
小結(jié)
第6章 總結(jié)與展望
6．1 總結(jié)
6．2 展望
參考文獻(xiàn)