声明
摘要
1 绪论
1.1 引言
1.2 国内外图像分割方法的研究现状
1.2.1 基于底层图像先验知识的分割方法
1.2.2 高层先验知识的分割方法
1.3 本文主要研究工作与创新点
1.4 本文的主要研究工作和内容安排
2 水平集方法及Chan-Vese模型
2.1 水平集方法
2.2 水平集函数演化的快速算法
2.3 Chan-Vese模型
2.4 多相位的Chan-Vese模型
3 结合改进的FCM算法的Chan-Vese模型
3.1 引言
3.2 研究背景
3.2.1 模糊聚类(Fuzzy Clustering Algorithm,FCM)算法
3.2.2 结合FCM算法的Chan-Vese模型(FCMCV)
3.3 结合改进的FCM算法的Chan-Vese模型
3.3.1 结合空间信息的隶属度函数
3.3.2 各向异性模板演化规则
3.4 实验结果及分析
3.5 本章小结
4 结合纹理特征的自适应快速分割模型
4.1 引言
4.2 研究背景
4.2.1 全局优化分割模型(Global Convex Segmentation Model,GCS)
4.2.2 局部块的纹理分析
4.3 同时基于纹理和卡通特征的分割模型
4.3.1 卡通区域项
4.3.2 纹理区域项
4.3.3 基于分裂Bregman算法的快速数值求解
4.4 实验结果及分析
4.5 本章小结
5 结合局部统计信息与各向异性水平集方法的分割模型
5.1 引言
5.2 研究背景
5.2.1 局部二值拟合模型(Local Binary Fitting,LBF)
5.2.2 各向异性的扩散方程
5.3 结合局部统计信息与各向异性水平集方法的活动轮廓模型
5.3.1 基于局部统计信息的区域项
5.3.2 结合结构信息的各向异性正则项
5.3.3.能量泛函及数值快速求解
5.4 实验结果及分析
5.5 本章小结
6 基于分片统计信息的鲁棒型活动轮廓模型
6.1 引言
6.2 矫正灰度不均匀性的分割模型
6.3 基于分片统计的活动轮廓模型
6.3.1 基于分片统计的区域项
6.3.2 灰度变化惩罚项
6.3.3 结合图像梯度信息改进的正则项
6.3.4 能量泛函的数值求解
6.4 实验结果及分析
6.5 本章小结
7 基于结构梯度流的区域型活动轮廓模型
7.1 引言
7.2 基于边界的活动轮廓模型
7.2.1 Snake模型
7.2.2 梯度流活动轮廓模型(Gradient Vector Flow,GVF)
7.3.结合结构梯度流的区域型活动轮廓模型
7.3.1 基于结构梯度流的正则项
7.3.2.基于边界结构信息的区域项
7.3.4 能量泛函的求解算法
7.4 实验结果及分析
7.5 本章小结
8 结论与展望
8.1 本文工作总结
8.2 将来的工作
致谢
参考文献
附录
1 水平集函数及其对偶变量的离散形式
2 活动轮廓模型的变分解法
2.1 泛函问题
2.2 泛函最小解存在的必要条件
2.3 活动轮廓模型的能量泛函求解
攻读博士学位期间发表论文情况
攻读博士学位期间参加课题及资助基金