偏微分方程的圖像分割技術及應用

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)存的一些問題
1．4 本書的主要研究工作
1．5 本書的組織結構
第2章 背景知識
2．1 曲線演化
2．1．1 曲線幾何演化的一般方程式
2．1．2 常用的曲線演化方程
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)值實現(xiàn)——有限差分法
2．5 圖像分割中的變分數(shù)學基礎
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
第3章 基于p（x）范數(shù)的活動輪廓模型
3．1 引言
3．2 模型及存在的問題
3．2．1 ChanVese模型
3．2．2 所存在的問題
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)值算法和實驗結果
3．4．1 數(shù)值算法
3．4．2 實驗結果
3．5 討論K
小結
Ⅱ
第4章 自適應常值初始化活動輪廓模型
4．1 引言
4．2 過渡區(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)值算法和實驗結果
4．6．1 數(shù)值算法
4．6．2 實驗結果
4．7 過渡區(qū)對模型的魯棒性分析
小結
第5章 基于局部和全局信息的活動輪廓模型
5．1 引言
5．2 相關模型
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)值算法和實驗結果
5．4．1 數(shù)值算法
5．4．2 實驗結果
小結
第6章 總結與展望
6．1 總結
6．2 展望
參考文獻