声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于活动轮廓图像分割的研究现状
1.2.2 CV模型的研究现状
1.3 研究的内容及技术路线
1.3.1 研究内容
1.3.2 技术路线图
2 相关理论知识
2.1 曲线演化理论
2.2 水平集方法
2.2.1 变分法原理
2.2.2 梯度下降法
2.2.3 水平集的数值实现
2.3 小结
3 改进边缘停止函数的CV模型
3.1 传统的CV模型
3.2 改进的CV模型
3.2.1 新的边缘停止函数的构造
3.2.2 能量惩罚项
3.3 梯度与区域信息相结合的水平集分割模型的建立
3.3.1 水平集方程
3.3.2 模型的可行性分析
3.3.3 数值解法
3.4 实验结果及分析
3.5 小结
4 融合局部信息的CV模型
4.1 LBF模型
4.2 融合局部信息的CV模型
4.2.1 模型的提出
4.2.2 中值滤波
4.2.3 自适应权重函数
4.2.4 测地弧长正则项
4.3 融合局部信息的水平集模型的建立
4.3.1 水平集方程
4.3.2 模型解的可行性分析
4.3.3 数值解法
4.4 实验结果及分析
4.5 小结
5 结论与展望
5.1 本文结论
5.2 展望
致谢
参考文献
附录
