摘要
第一章 绪论
1.1 图像模型分类与计算机视觉
1.1.1 图像数学模型与分类
1.1.2 图像处理与计算机视觉
1.2 图像处理的一些方法
1.2.1 基于统计模型的方法
1.2.2 基于信号处理的方法
1.2.3 基于偏微分方程的方法
1.3 数字图像处理的一些应用
1.3.1 生物医学工程方面
1.3.2 航天和航空方面
1.3.3 人类视觉和模式识别
第二章 偏微分方程图像处理的基本概念和数学准备
2.1 引言
2.2 图像处理的基本概念
2.3 偏微分方程图像处理的数学准备
2.3.1 曲线与曲面的几何演化
2.3.2 水平集方法
2.3.3 变分水平集方法
2.4 本章小节
第三章 图像去噪和滤波的偏微分方程方法
3.1 噪声的形成和来源
3.2 图像梯度和图像的能量办法
3.2.1 图像的能量办法基本概念
3.2.2 能量办法数值实现
3.3 基于偏微分方程的图像去噪和滤波
3.3.1 由热方程引出的图像处理过程
3.3.2 Perona-Malik模型
3.3.3 图像滤波
3.4 本章小节
第四章 图像分割的偏微分方程方法
4.1 引言
4.2 Mumford-Shah泛函和基本分割模型
4.3 Kass-Witkin-Terzopoulos模型
4.3.1 KWT模型的基本定义
4.3.2 关于能量J(c)的一些说明
4.4 Geodesic Active Contours模型
4.4.1 GAC模型的建立
4.4.2 GAC模型的分割效果
4.5 CV模型
4.5.1 CV模型的建立
4.5.2 CV模型的分割效果
4.6 GAC模型和CV模型的比较分析
4.7 Mumford-Shah模型的扩展与延拓
4.7.1 Mumford-Shah模型的基本性质
4.7.2 如何对Mumford-Shah模型进行扩展
4.7.3 改进Mumford-Shah模型的可利用信息
4.8 本章小结
第五章 偏微分方程的图像处理方法在人脸模式识别中的应用
5.1 人脸模式识别和机器学习介绍
5.1.1 人脸识别和机器学习的背景
5.1.2 人脸特征及选取
5.1.3 特性的识别效果
5.1.4 高效人脸识别的要求
5.1.5 人脸识别的现实应用
5.2 Shock滤波器在人脸识别中的应用
5.2.1 shock滤波器的应用背景
5.2.2 一个简单的应用
5.2.3 数据案例分析
5.3 几类分割方法在人脸识别中的应用
5.3.1 GAC模型的人脸特征提取
5.3.2 CV模型的人脸特征提取
5.3.3 不同分割模型在脸部特征提取中的特性
5.4 偏微分方程方法在人脸识别过程中的优点和不足
5.4.1 偏微分方程方法在人脸识别过程中的优点
5.4.2 偏微分方程方法在人脸识别过程中的不足
5.5 本章小结
第六章 展望
参考文献
攻读学位期间取得的研究成果
致谢
声明
浙江师范大学学位论文诚信承诺书