偏微分与变分技术在图像分割中的应用研究

第9章 总结

8.6 本章小结

8.5 实验结果与分析

8.4 能量泛函求解

8.3 基于图像熵的权重自动调节活动轮廓模型

8.2 相关理论

8.1 研究背景

第8章 基于熵的全局和局部权重自适应模型

7.6 本章小结

7.5 实验结果与分析

7.4 能量泛函求解

7.3 基于最大类间方差的VLIF模型

7.2 相关模型

7.1 研究背景

第7章 结合OTSU的图像分割模型

6.5 本章小结

6.4 实验结果与分析

6.3 异常值检测与鲁棒的噪声图像分割方法

6.2 相关理论

6.1 研究背景

第6章 基于支持向量机的噪声图像分割模型

5.5 本章小结

5.4 实验结果分析

5.3 模型的提出

5.2 研究背景

5.1 引言

第5章 修正局部极小的局部灰度差异分割模型

4.5 本章小结

4.4 实验结果与分析

4.3 梯度自适应的活动轮廓模型

4.2 研究背景

4.1 引言

第4章 一种邻域自适应的噪声图像分割模型

3.5 本章小结

3.4 实验结果与分析

3.3 噪声自纠正的活动轮廓模型

3.2 研究背景

3.1 引言

第3章 基于局部灰度差异的噪声自纠正分割模型

2.4 本章小结

2.3 经典的活动轮廓模型

2.2 水平集方法的基本理论

2.1 变分法

第2章 图像处理的偏微分与变分技术

1.3 本书结构

1.2 国内外研究现状

1.1 研究背景和意义

第1章 绪论

前言

插图

版权信息

封面

封面

版权信息

插图

前言

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本书结构

第2章 图像处理的偏微分与变分技术

2.1 变分法

2.2 水平集方法的基本理论

2.3 经典的活动轮廓模型

2.4 本章小结

第3章 基于局部灰度差异的噪声自纠正分割模型

3.1 引言

3.2 研究背景

3.3 噪声自纠正的活动轮廓模型

3.4 实验结果与分析

3.5 本章小结

第4章 一种邻域自适应的噪声图像分割模型

4.1 引言

4.2 研究背景

4.3 梯度自适应的活动轮廓模型

4.4 实验结果与分析

4.5 本章小结

第5章 修正局部极小的局部灰度差异分割模型

5.1 引言

5.2 研究背景

5.3 模型的提出

5.4 实验结果分析

5.5 本章小结

第6章 基于支持向量机的噪声图像分割模型

6.1 研究背景

6.2 相关理论

6.3 异常值检测与鲁棒的噪声图像分割方法

6.4 实验结果与分析

6.5 本章小结

第7章 结合OTSU的图像分割模型

7.1 研究背景

7.2 相关模型

7.3 基于最大类间方差的VLIF模型

7.4 能量泛函求解

7.5 实验结果与分析

7.6 本章小结

第8章 基于熵的全局和局部权重自适应模型

8.1 研究背景

8.2 相关理论

8.3 基于图像熵的权重自动调节活动轮廓模型

8.4 能量泛函求解

8.5 实验结果与分析

8.6 本章小结

第9章 总结