一、基于最大类间可分离性的轮廓线分割（论文文献综述）
耿黎娜[1]（2019）在《基于多尺度分割下多特征综合的遥感影像变化检测方法研究》文中研究说明随着我国社会经济的稳健发展,使得城乡发展不均衡、产业结构不合理、资源与环境矛盾等问题日益突出。地理国情普查和监测工作在服务于社会经济发展和生态文明建设中发挥着越来越重要的作用。通过开展地理国情普查和监测工作,全面的、实时的、高效地掌握我国地理国情相关动态,深刻揭示了社会经济发展,资源与生态环境及其发展趋势的内在联系。面向地理国情监测重大工程应用,变化区域识别是其技术流程的重要环节,而变化区域信息的识别主要是依靠遥感影像变化检测技术的支撑。因此,本文通过高分辨率遥感影像,在面向对象影像分析技术的基础上对变化检测方法深入进行了探讨和学习。本文系统的总结了遥感影像变化检测的研究现状、存在问题以及变化检测技术的基础理论,梳理归纳了其主要技术流程。从遥感影像的变化检测处理的基本单元入手,将其分为基于像素和基于面向对象影像分析的两大类变化检测方法,并深入探讨了这两类变化检测方法的原理、内容以及其相应的常规方法。伴随着高空间分辨率的遥感影像的发展迅速发展,单个像素所能提供的特征信息越来越有限,传统的基于像素的变化检测只利用了影像像素光谱特征,对于高空间分辨率的影像,就会存在大量“异物同谱”和“同物异谱”的现象,致使检测精度存在一定的误差;数据冗余,处理速度慢,且检测结果受噪声影像。而面向对象的变化检测方法,将影像分割为一个个对象,通过对对象特征的提取和分析,快速准确的获取变化信息,该方法以弥补基于像素的变化检测方法的不足。对于面向对象的变化检测方法,其影像分割、特征提取、自动分类是该技术的关键,也是难点,本文从这几个问题出发,主要研究内容如下:（1）面向对象的高分辨率遥感影像的变化检测主要技术流程,包括:影像预处理、影像分割、影像对象特征提取、自动分类和变化检测等。（2）深入研究了影像分割技术的原理和内容,对基于影像分割变化检测的两大类方法进行了归纳总结,通过基于eCognition的多尺度分割算法进行了深入的研究,针对多尺度分割算法的三个主要参数进行实验讨论,尤其是最优分割尺度的确定问题,提出了基于纹理特征的GLCM同质性（Homogeneity）和熵（Entropy）来构造评价模型函数,构建分割尺度与各评价指标的变化曲线图,并与其他评价指标,进行对比分析,验证了本文提出了的HOEN评价指标法的可行性。最后评判出各地物的最优分割尺度。利用确定的参数指导影像在多个最优分割尺度下完成影像分割,构建多层次的影像对象层,使分割后影像对象对实际地物的表达更贴切,有效避免分割过度或者分割欠缺的情况。（3）在通过建立多尺度分割下影像对象层的基础上,综合分析了影像对象的光谱、纹理以及空间结构特征等及与相对应实际地物的特征,针对面向对象影像分析技术中,特征选择的好坏和维数对分类结果以及变化检测检测精度的影像问题,深入研究了分离阈值法SEaTH和FSO特征空间优化算法,通过FSO算法对冗余特征进行初步的筛选,降低特征维数,综合最优特征组合,再利用SEaTH算法进行自动选择优化后的特征集和确定阈值后进行分类。（4）最后结合高分辨率遥感影像实例,应用（2）、（3）中的关键技术,对T1时相影像和T2时相影像进行最优尺度分割和特征空间优化,完成前后时相影像的分类后进行变化检测,判别变化信息和非变化信息,实现变化信息的自动获取。
张天驰[2]（2019）在《脑胶质瘤核磁共振图像分割方法研究》文中指出医学图像处理技术作为医疗的重要技术手段,发挥着不可替代的作用。脑瘤是影响人类健康的重要原因之一,基于核磁共振图像（Magnetic Resonance Imaging,MRI）进行脑胶质瘤标志物分割辨识是目前最有效的医疗诊断技术手段之一,因此,研究脑瘤MRI图像分割技术具有重要的理论研究意义和实际应用价值。本文针对脑胶质瘤MRI图像目标物形状复杂且不规则、边缘模糊、目标和背景灰度值相近等特征,基于纳什均衡、粗糙集和粗糙熵、玻色-爱因斯坦凝聚等理论,研究脑胶质瘤MRI图像分割问题,旨在为提高脑瘤等医学图像分割质量探索新方法。论文主要研究内容如下:研究基于纳什均衡理论改进支持向量机（Support Vector Machine,SVM）的脑胶质瘤图像分割方法。针对SVM中惩罚参数的设置影响图像分割准确性的问题,提出熵和标准差双重约束的新型纳什均衡模型,研究图像特征及其分割过程与纳什均衡理论及其推理机制之间的关系,得出新型纳什均衡模型参数计算方法,构建纳什均衡过程。提出基于新型纳什均衡模型改进SVM,采用熵和标准差双重约束的纳什均衡收益通过纳什均衡推理来设定SVM中的惩罚参数。通过对脑胶质瘤MRI图像分割实验验证本文方法的效果。研究基于纳什均衡理论的目标边缘区域聚类方法。针对脑胶质瘤图像目标边缘区域模糊的问题,提出两步纳什均衡聚类方法,通过类内最大相似性判断（目标区域内部节点之间的最大相似度）和类间最小相似性判断（目标和背景区域的节点之间的最小相似度）获得脑瘤目标区域和背景区域。基于纳什均衡理论改进C-V模型,通过该模型得到脑瘤目标轮廓线;针对脑瘤图像目标边缘区域相似的问题,提出基于纳什均衡的纹理相似区域判断与合并方法,获得脑瘤目标区域和背景区域之后,基于纳什均衡理论改进多纹理特征C-V模型,将图像中节点特征映射为纳什均衡的收益,通过纳什均衡推理来设定C-V模型中平均灰度参数。通过改进后的C-V模型求得脑瘤目标轮廓线。通过MRI脑瘤图像分割实验验证本文方法的效果。研究基于粗糙集和粗糙熵的Petri网脑瘤图像分割方法。针对粗糙集和粗糙熵只对轮廓线上某个节点自身进行判断不对该节点相邻节点进行相关性判断而导致脑瘤图像分割轮廓线不准确的问题,提出基于粗糙集和粗糙熵的Petri网的脑瘤图像分割方法,提出粗分割、精分割两阶段分割方式:第一阶段基于粗糙集和粗糙熵进行粗分割以获得目标对象的初步轮廓;第二阶段通过Petri网进行精分割,利用Petri网进行对多边界选择和前后向校正以得到更精确的目标轮廓。通过实验验证该方法在提高图像分割准确性方面的效果。研究基于玻色—爱因斯坦凝聚理论（Bose–Einstein Condensate,BEC）的脑胶质瘤图像分割模型。针对脑胶质瘤形状通常为囊性或环状增强的边缘轮廓而难以对其图像进行精确分割的问题,为探索新的医学图像分割方法,本文尝试将BEC理论应用于脑瘤图像分割。基于BEC构建支持向量机（SVM）中的核函数,提出一种BEC核函数的SVM脑瘤图像分割方法。通过不同类型的脑胶质瘤图像分割实验,对比验证本文方法与其他相近方法的分割效果。研究基于量子虫洞粒子群优化算法的脑瘤图像分割方法。针对具有“瓶颈”和“硬脑尾”等复杂形状的脑瘤图像分割问题,引入量子和虫洞理论来改进量子粒子群优化算法（Quantum-behaved Particle Swarm Optimization,QPSO）,提出一种新的量子虫洞粒子群优化算法（Quantum and Wormhole-behaved Particle Swarm Optimization,QWPSO）,提出将图像中节点分为种子粒子节点和像素粒子节点两类,给出区分两类节点的分类公式。提出一种虫洞双曲线路径公式,给出QWPSO算法的计算公式。通过实验验证本文方法和其他方法的对比效果。为复杂形状的脑瘤MRI图像分割探索一种新方法。
金根炎[3]（2019）在《基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究》文中研究说明为了解决在丝网印刷流水线末端光伏太阳能晶硅电池的自动缺陷检测和颜色分类的问题,通过对太阳能电池的检测方法进行分析,提出了基于机器视觉的电池片缺陷检测及颜色分选的解决方案,开发了光伏太阳能晶硅电池片检测系统。首先介绍了太阳能电池的制备工艺,分析了太阳能电池的常见缺陷种类和色系等级及其形成原因,并提出了相应的检测标准和要求。同时进行光伏太阳能晶硅电池片检测系统整体方案设计,分别对系统硬件和系统软件进行分析设计,然后根据检测系统要求完成了工业相机,镜头,灰度卡等核心元件的选型以及检测功能模块化,离线在线相结合的软件系统设计。研究了太阳能晶硅电池片缺陷检测算法,介绍了电池片图像的色彩校正,区域提取,硅片定位,工艺点屏蔽等预处理过程。提出了基于亚像素的电池片的尺寸测量方法。针对破损缺陷,分别使用形态学和参考模板的检测方法进行实验,通过比较分析选择合适的检测算法。针对栅线印刷缺陷,根据栅线分布特征将检测步骤细分为栅线提取,细栅检测,主栅检测。针对脏污缺陷,提取出基于改进的局部阈值分割方法。研究了太阳能晶硅电池片颜色分选算法,介绍了常用的颜色空间及其转化方法,并使用HSI通道进行颜色直方图特征提取。分析了传统的颜色分选算法后,提出了一种基于神经网络的颜色分选算法,并通过实验对比分析两种方法的运行效率和精确度,验证了本算法的优越性。最后,针对本课题的太阳能晶硅电池片缺陷检测及颜色分选系统,在线检测与人工目检相结合,分别从系统的精确度,高效性以及稳定性进行综合性能的实验分析。实验数据表明,系统的综合性能可以满足实际生产需求。
王兆亮[4]（2017）在《基于Snakes模型的中文扭曲文档图像校正技术研究》文中研究指明随着互联网和计算机信息技术的发展,数字图像处理技术已经深入到我们生活中的方方面面,通过图像采集将传统纸质文档电子化已经成为一种趋势;然而,在通过扫描仪或数码产品获得图像的过程,可能伴随着文档表面倾斜、弯曲或人工操作的视角倾斜等原因,仪器得到的图像可能会有一定程度的失真,如倾斜、扭曲、形变等,这些问题都会对文字处理软件如OCR识别、版面分析等的处理造成极大的困难,也可能这些软件根本无法识别获得的文档图像;因此,需要对这些变形扭曲的文档图像进行校正复原。本文将致力于解决扭曲图像的校正恢复问题;通过对扭曲文档图像特征及中文汉字结构的分析,并参考国内外相关的经典校正算法,对比分析各种方法的优缺点,针对中文扭曲文档图像给出了基于Snakes模型的校正算法。该方法为实现扭曲文档图像的校正处理,考虑到光照不均、过度曝光等因素造成较差二值化效果的不利影响,本文不做二值化处理,直接从灰度化后的图像着手。在灰度图像的基础上,通过优化后的高斯滤波处理使得文字行实现平滑的效果,达到增强文本行结构的同时也能很好的保护图像边缘信息的目的;然后利用脊线检测找出文本行的中心线,并将其初始化作为Snakes模型的初始轮廓线;然后利用图像分割的思想通过对Snakes模型的能量泛函迭代法求极小值的过程,使得中心线向文本行上下边缘移动,并根据图像的阈值信息把两条线闭合,然后根据字符文本的灰度信息进行扩张或缩放,完成文本行的分割并获得其文本线,最后利用文本行信息拟合重构其文本线实现校正。实验结果表明该算法能有效地恢复扭曲,使得校正后的OCR文字识别率比之前有明显的提升;而且该算法实现简单,对于扭曲文本行的分割精度非常高,算法鲁棒性较强,基本满足实用性需求。
蒋小波[5]（2015）在《GVF Snake模型及其在图像分割中的应用研究》文中认为图像分割一直是图像处理和计算机视觉领域的热点话题,基于活动轮廓模型的轮廓提取方法作为一种新兴有效的图像分割方法。它与传统的轮廓提取算法相比,表现出较好的分割特性。梯度向量流（GVF Snake）模型作为参数活动轮廓模型的一种,它能够对大部分计算机视觉问题提供一个较好的解决方案。本研究先是介绍图像分割的研究背景及意义,然后是活动轮廓模型的在图像分割应用上的研究现状,着重介绍了Snake模型的基本原理和数值求解方法,并引出了基于Snake模型改进外力而提出的GVF Snake模型。紧接着,深入分析和研究GVF Snake模型的基础理论知识。最后,将改进的GVF Snake模型应用到实际的医学皮肤镜图像分割上。本文的主要研究内容包括以下3个方面:l、针对GVF Snake模型梯度向量场计算的问题,先是介绍了已有的几种计算梯度力场的方法。提出了一种基于BFGS算法来计算梯度力场,该方法主要是基于拟牛顿法的思想来求解力场迭代方程。用BFGS算法求解得到了两个方向的矢量场,并给出详细的求解推导过程和计算机仿真结果。最后,将改进后的GVF Snake模型应用到实际的图像分割任务中。理论分析和实验结果表明,该方法能够有效的求解梯度向量场,并能较好的分割出目标轮廓线,具有较好的保持物体轮廓线的结构特性。2、针对GVF Snake模型设置初始轮廓线的问题,先是介绍了常见的几种轮廓线设置方法。提出了一种基于边界跟踪理论的轮廓线自动初始化的方法,该方法先是采用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线,再将采用GVF Snake模型用于实际图像的分割。实验结果表明,该方法能够有效的给GVF Snake模型设置初始轮廓,并能准确的获取目标的轮廓线。3、基于前面两部分对GVF Snake模型的理论分析和改进,将改进后的GVF Snake模型应用到医学皮肤镜图像的分割处理中。简单介绍医学图像分割的背景和意义,并着重分析了医学图像自身的特性。最后,将改进的GVF Snake模型用于医学图像分割处理上。分割结果说明,本文算法能有效的提取皮肤镜图像的轮廓,具有较好的实用价值。
贾康成[6]（2014）在《线扫描铁轨表面成像系统与缺陷检测算法研究》文中认为随着现代铁路的高速发展,对铁路轨道进行定期检修变得越来越重要。我国目前仍然依靠人工巡检,劳动量大,危险度高,因此迫切的需要一种高速和精确的自动化检测装置完成铁路轨道的检测。本文以铁轨表面缺陷自动检测技术为研究对象,基于机器视觉原理提出了一种铁轨表面缺陷自动检测方法,利用图像处理技术实现铁轨表面缺陷的自动识别,为铁路养护人员提供可靠的检修数据。本文的研究内容如下:（1）阐述了铁轨缺陷检测的研究背景及意义,归纳目前铁轨缺陷检测的方法及其现有检测设备,分析机器视觉检测方法的优越性,并对机器视觉的概况及其在铁轨表面缺陷检测的应用进行了论述。（2）根据运动中铁轨表面缺陷实时检测的需求,设计了基于高速线扫描相机的成像系统。通过分析铁轨表面缺陷检测系统的技术指标,选择了线扫描相机等成像系统器件。针对相机性能、外界光照、振动等成像因素的影响,设计了线性模组、高速转盘、室外电动车等成像系统方案用于测试,掌握了相机成像参数以及各器件间的协作配合方式,最终应用在轨检车成像系统成功的采集到真实的铁轨表面图像。（3）根据铁轨表面缺陷的特点,设计了针对离散疤痕和裂纹的缺陷检测算法。其中对离散疤痕的检测提出一种以图像增强和自动阈值分割为核心的检测算法,克服了铁轨表面光线反射不均的缺点,并且取到的阈值使背景类方差最大的同时保持缺陷出现概率较小。对裂纹缺陷的检测采用基于偏微分方程的Chan-Vese模型,该模型能够适应铁轨裂纹拓扑结构多变的特点,通过对横向和纵向裂纹进行实验仿真,证实了该方法对裂纹缺陷检测的可行性。最后,设计铁轨表面缺陷检测中的应用软件。在VS2008编译环境下,利用微软基础库类、相机公司的SDK及OpenCV视觉库搭建缺陷检测系统,通过在真实铁轨上测试,取得了较好的效果。
熊博莅[7]（2012）在《SAR图像配准及变化检测技术研究》文中提出本文主要研究了合成孔径雷达（Synthetic Aperture Radar，SAR）图像的配准及其变化检测技术。针对SAR系统的成像特点，根据不同成像平台所获取SAR数据的差异，本文首先利用星载SAR数据（日本ALOS卫星）对基于卫星轨道参数的图像概略配准技术进行了分析，利用成像卫星其空间位置的高精度估计，提高了基准图像和重轨图像在方位向上的配准精度。对缺乏高精度平台轨道运行数据的SAR图像，则利用图像中封闭均匀区域特征提取同名特征点，实现对基准图像和待配准图像之间的自动配准。在图像配准的基础上，通过对不同的变化检测量的深入分析，针对经典阈值自动选取方法在稳健性方面的不足，提出一种更加符合SAR图像统计分布的变化检测量及对应的自动阈值选择算法。最后，本文利用运动与变化的关系，将变化检测的思想引入到可移动目标的自动检测，有效地减少了目标检测中出现的虚警。具体而言，作者主要开展了以下几个方面的工作：（1）针对星载SAR平台的周期性和平稳性，提出一种椭圆拟合卫星轨道的方法对卫星的空间位置进行精确估计。通过将三维空间中的椭圆卫星轨道投影到二维平面，可以得到三条二维平面中的椭圆曲线，在此基础上，引入针对二维平面中椭圆的直接最小均方椭圆拟合方法（DLS-EFM），实现对椭圆几何参数的估计，从而精确估计ALOS卫星在成像过程中任意给定时刻的空间位置。（2）如果只结合ALOS PALSAR平台的成像几何以及成像区域的地理信息，可以实现基准数据和重轨数据在距离向上1-2个像素的概略配准，而方位向上的配准误差则高达20-30个像素。针对该问题，提出利用估计得到的卫星位置，在消除成像时间差的基础上，计算重轨干涉SAR系统的干涉基线，利用基线与目标两次成像之间的几何关系，实现了基准数据和重轨数据在方位向上的概略配准，其配准误差可控制在1个像素之内，从而可显着减少下一步高精度配准的搜索空间，提高配准的效率和准确性，使重轨干涉SAR的准实时应用成为可能。（3）SAR图像中均匀区域的提取对于实现SAR图像自动配准十分关键。针对SAR图像中均匀区域的特点，提出一种基于Frost滤波和区域生长的均匀区域提取算法。此外，本文还将基于活动轮廓模型的分割方法引入到封闭均匀区域提取中，有效地实现了SAR图像中背景区域与封闭均匀区域的分离。（4）利用SAR图像中已提取的均匀区域，提取区域的特征点，实现SAR图像的自动配准。本文利用封闭区域的周长、面积等区域统计特性构造区域相似度量，进而实现区域之间的匹配，然后利用匹配区域的质心作为同名特征点，实现图像的自动配准。此外，本文提出一种基于多边形拟合和几何哈希理论的封闭区域匹配方法，利用闭合区域中具有代表性的角点，实现封闭均匀区域之间的匹配，然后将匹配角点作为同名特征点对图像进行配准。最后，针对经典配准精度量化评估方法的不足，引入变化检测思想，通过对配准残差数据的统计特性进行分析，实现对配准精度的准量化估计。（5）提出一种基于SAR图像统计分布和似然比检验的变化检测量（LLI-CDM）。该变化检测量以SAR图像杂波的Gamma分布为基础，将似然比假设检验引入到变化检测。实验表明，基于该变化检测量所得到的差异图像的直方图特点鲜明：直方图曲线由两部分构成，其中高而窄的尖峰对应于占差异图像绝大部分的非变化像元部分，直方图中低且平的拖尾则代表差异图像中的变化像元部分。直方图尖峰与拖尾之间的过渡点则可看成是将未变化和变化部分分离的最佳阈值。由于变化像元其灰度值的变化量不同，导致拖尾部分不同灰度值变化的直方图随机起伏，即拖尾部分将形成一个直方图振荡区。利用直方图尖峰和拖尾的不同特点，本文提出一种相邻灰度直方图比阈值自动选择算法实现对阈值的自动选取，该阈值选取方法物理意义明确、应用简单稳健，与LLI-CDM的组合相得益彰。（6）基于LLI-CDM得到的差异图像中未发生变化像素的灰度值高度集中，在直方图中形成一个高且窄的尖峰，而最佳阈值处于尖峰与拖尾的过渡位置，导致每一灰度级的阈值改变都将引起变化检测结果的显着差异。而SAR变化检测中应用最广的对数比变化检测量（LOG-CDM）常采用KI、EM等阈值选择算法，其阈值的自动选取往往不够准确，与最佳阈值存在显着差异，严重影响变化检测的性能。针对该问题，本文在引入马尔可夫随机场理论的基础上，提出一种融合LLI-CDM和LOG-CDM的变化检测方法，实验结果表明，该方法能够在保持这两种变化检测量的优点的同时弥补各自的不足，显着提高了变化检测的性能。（7）拓展了变化检测技术的传统应用范围。针对某些固定场景内的可移动目标，如机场中的飞机目标、港口附近的舰船目标等，本文在引入变化检测技术的基础上，以固定场景的光学图像为先验信息，显着改善了该类可移动目标的检测性能。此外，本文还将变化检测技术引入到可移动目标的鉴别当中，针对CFAR检测后存在的大量虚警，利用相关系数和阈值分离有效鉴别并去除虚警，提高目标检测性能。
姜柳[8]（2010）在《基于水平集的医学图像分割方法研究》文中提出图像分割是医学图像分析、配准、融合、分类检索以及医学图像计算机辅助诊断系统在临床上得以实现的理论基础,是医学图像领域非常重要的研究课题,对疾病的准确诊断具有重要的意义。本文在论述图像分割研究现状和水平集方法理论的基础之上,从提高多灰度级和亮度不均匀两类图像的分割准确率的角度出发,对医学图像分割算法进行了一系列的研究。由于医学图像的结构复杂性,图像的不同部分呈现出不同的灰度,极易造成图像分割的错误。针对这种由图像多灰度级所引起的错误分割问题,本文提出了一种基于图像边界信息和区域信息的模糊水平集分割算法。该算法结合了模糊C均值聚类模型的优点,按灰度级对目标进行划分,提高了分割的准确性。同时,算法对水平集的能量函数作了改进,消除了重新初始化过程,解决了重新初始化所带来的计算量大和过程复杂等问题。在MATLAB仿真环境下,进行仿真得出结果并对结果进行比较和差异性评估。仿真实验表明,本文提出的基于图像边界信息和区域信息的模糊水平集分割算法对图像弱边界以及深度凹陷区的分割效果有明显的改进,提高了多灰度级医学图像分割的准确率,具有一定的实用性和有效性。由医学成像设备和手段的差异性所引起的图像亮度的不均匀性也会造成图像分割错误。针对这种由亮度不均匀而引起的错误分割问题,本文提出了一种结合混合核函数的水平集分割算法。该算法对水平集方法进行改进,加入混合核函数可以对不均匀的亮度进行持续补偿,使得对图像像素点分类更加准确,同时,在分割过程中考虑到图像的局部特性和全局特征,有效提高了分割的速度和准确性。通过实验对比和差异实验评估方法证明了所提出算法可以有效地提高亮度不均匀的医学图像的分割准确率。本文最后对研究工作进行了总结,给出了所取得的研究成果和创新之处,并指出今后医学图像分割算法研究的发展趋势。
李波[9]（2008）在《基于PDE的图像去噪、修补及分解研究》文中提出上世纪八十年代以来,随着计算机技术的不断发展,图像处理问题得到了愈来愈多的关注和研究。基本的研究方法主要有以下三类:基于概率和统计的方法、基于傅立叶与小波变换方法以及变分和偏微分方程方法。其中变分与偏微分方程图像处理方法由于其自适应性较强,而且具有各向异性的扩散特性,在处理图像的同时可以很好的保持边界和纹理等细节信息,在过去的二十几年中获得了巨大的发展。其研究领域包括:图像分割、图像去噪、去模糊（逆卷积）、图像分解、图像修补、图像重建以及图像纹理分类等。本文集中讨论了偏微分方程在图像去噪、图像修补以及图像分解等几个方面的应用和研究,主要工作和创新成果如下:在第三章中,针对不同的噪声,提出了三种稳定的去噪模型。首先对于加性高斯噪声本文提出了一种基于Lp范数的局部自适应的变分模型,考虑图像空间为变指数的Sobolev空间W1,p,在此空间中定义了一个积分能量泛函,通过变分方法得到了一个关于时间的扩散方程,并从理论上分析了该扩散过程解的存在唯一性,最后从几何的观点给出了直观的解释。对于乘性噪声,针对现有的去噪模型往往是一个非凸的优化问题,理论证明和数值求解都存在着一定的困难,本文提出了一种新的全局凸的变分模型来解决此问题,模型的严格凸性保证了该算法具有良好的理论性质,证明了该算法解的适定性,最终实验结果表明该算法具有良好的效果。椒盐噪声作为一类特殊的图像噪声,由于传统的ROF模型等对其处理效果不够理想,对此本文提出了一种新的基于模糊检测和保梯度的两步去噪算法。最后分析了该算法的稳定性,实验表明该算法在去噪的同时,有效的保持了图像的结构信息。在第四章中,针对传统的变分修补模型无法修补纹理图像,提出了一种局部纹理图像修补模型。通过引入局部纹理方向,并在局部纹理坐标系下建立新的修补模型,修正了传统的TV修补模型的扩散方向,实验表明该算法不仅可以修复结构信息,而且还可以修复简单的纹理缺失信息。最后从理论上分析了该算法的适定性,并从修补机制上分析了该算法与传统算法的联系。在第五章中,提出了一种基于图像分解的非线性保拓扑人脸识别算法。首先利用Lp图像分解模型和自商图像光照归一化模型对样本人脸图像进行光照归一化处理。降低光照影响,然后利用本文提出的非线性保拓扑的人脸识别算法进行人脸识别,实验表明该算法对光照具有良好的鲁棒性,在一定程度上提高了识别的准确率。
杨忠根,陈涛[10]（2001）在《基于最大类间可分离性的轮廓线分割》文中研究表明对轮廓线上每点的前后两个局部段进行局部直线拟合 ,在此基础上计算这两个局部直线段的类间可分离度 ,证明了它就是轮廓线点是否为一优势点的对数似然比 ,并把轮廓线上的优势点定义为具有局部最大类间可分离度的轮廓点 .基于此概念 ,开发了用直线多边形良好逼近轮廓线的轮廓线分割算法 ,该算法能精确鲁棒地检测轮廓线优势点 .实验结果表明了该技术的性能是令人满意的 .
二、基于最大类间可分离性的轮廓线分割（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于最大类间可分离性的轮廓线分割（论文提纲范文）
（1）基于多尺度分割下多特征综合的遥感影像变化检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 研究背景及意义 |
| 1.2.1 地理国情监测工作 |
| 1.2.2 遥感技术在地理国情监测应用中的关键 |
| 1.3 国内外研究现状 |
| 1.3.1 遥感影像变化检测方法研究现状 |
| 1.3.2 变化检测研究中存在的问题 |
| 1.4 主要工作及内容安排 |
| 1.4.1 研究内容 |
| 1.4.2 本文的章节安排 |
| 第二章 变化检测相关基础 |
| 2.1 变化检测的概念 |
| 2.2 变化检测的流程 |
| 2.2.1 数据选取 |
| 2.2.2 数据预处理 |
| 2.2.3 变化信息获取 |
| 2.2.4 变化检测精度评价 |
| 2.3 遥感影像变化检测方法 |
| 2.3.1 基于像素的变化检测 |
| 2.3.2 面向对象的变化检测 |
| 2.3.3 遥感影像变化检测的一般流程 |
| 第三章 影像分割与多特征综合 |
| 3.1 面向对象变化检测方法的理论基础 |
| 3.1.1 面向对象的概念 |
| 3.1.2 面向对象影像分析技术 |
| 3.2 影像分割 |
| 3.2.1 影像分割的原理 |
| 3.2.2 影像分割内容及分类 |
| 3.2.3 基于影像分割的变化检测方法 |
| 3.3 多尺度分割 |
| 3.3.1 多尺度分割的概念 |
| 3.3.2 多尺度分割的原理 |
| 3.3.3 多尺度分割的主要参数 |
| 3.4 多尺度分割参数的选取 |
| 3.4.1 波段权重选取 |
| 3.4.2 形状因子和紧致度因子的选取 |
| 3.4.3 最优分割尺度的选取 |
| 3.5 影像对象特征分析 |
| 3.5.1 光谱特征 |
| 3.5.2 纹理特征 |
| 3.5.3 空间结构特征 |
| 3.6 多特征综合优化 |
| 第四章 面向对象变化检测与精度评价 |
| 4.1 实验数据及预处理 |
| 4.2 对象分类后变化检测实验 |
| 4.2.1 影像多尺度分割 |
| 4.2.2 多特征综合优化 |
| 4.2.3 分类后变化检测 |
| 4.3 变化检测结果分析与评价 |
| 第五章 结论与展望 |
| 5.1 主要研究内容和成果 |
| 5.2 发展与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）脑胶质瘤核磁共振图像分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于纳什均衡理论的医学图像分割技术研究现状 |
| 1.2.2 基于粗糙集和粗糙熵的医学图像分割技术研究现状 |
| 1.2.3 基于量子理论的医学图像分割技术研究现状 |
| 1.2.4 基于其它理论的医学图像分割技术研究现状 |
| 1.3 论文主要研究内容与结构框架 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文结构框架 |
| 第2章 基于纳什均衡理论改进SVM图像分割方法 |
| 2.1 引言 |
| 2.2 纳什均衡模型和纳什均衡过程 |
| 2.2.1 纳什均衡理论及其在图像分割中应用简述 |
| 2.2.2 具有双重约束的纳什均衡模型 |
| 2.2.3 双重约束纳什均衡模型参数计算方法 |
| 2.2.4 纳什均衡过程 |
| 2.2.5 双重约束纳什均衡模型算法及算例 |
| 2.3 基于纳什均衡理论改进SVM图像分割方法 |
| 2.4 实验验证 |
| 2.4.1 新型纳什均衡方法的基本性能实验 |
| 2.4.2 新型纳什均衡方法的脑瘤图像分割实验 |
| 2.5 本章小结 |
| 第3章 基于纳什均衡的目标边缘区域聚类方法 |
| 3.1 两步纳什均衡分类方法 |
| 3.1.1 引言 |
| 3.1.2 两步纳什均衡分类方法 |
| 3.1.3 基于纳什均衡理论改进C-V模型 |
| 3.1.4 实验验证 |
| 3.2 基于纳什均衡的纹理相似区域判断方法 |
| 3.2.1 引言 |
| 3.2.2 基于纳什均衡的纹理相似区域判断方法 |
| 3.2.3 基于纳什均衡理论改进多纹理特征C-V模型 |
| 3.2.4 实验验证 |
| 3.3 本章小结 |
| 第4章 基于粗糙集和粗糙熵的Petri网图像分割方法 |
| 4.1 引言 |
| 4.2 粗糙集和粗糙熵 |
| 4.3 基于粗糙集和粗糙熵的粗分割方法 |
| 4.4 基于Petri网的精确分割方法 |
| 4.4.1 构建图像精确分割的Petri网框架 |
| 4.4.2 基于Petri网的图像精确分割方法 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第5章 基于玻色—爱因斯坦凝聚理论的脑图像分割模型 |
| 5.1 引言 |
| 5.2 BEC和胶质瘤的相似性分析 |
| 5.3 BEC核函数 |
| 5.4 对BEC核函数的理论分析 |
| 5.5 实验验证 |
| 5.5.1 单节点集合的分割实验 |
| 5.5.2 双节点集合的分割实验 |
| 5.5.3 脑胶质瘤图像分割实验 |
| 5.5.4 本文方法与其他方法的对比实验 |
| 5.5.5 基于BEC改进SVM与基于纳什均衡改进SVM方法的对比实验 |
| 5.6 本章小结 |
| 第6章 基于量子虫洞粒子群优化算法的脑瘤图像分割方法 |
| 6.1 引言 |
| 6.2 基于QWPSO的脑肿瘤图像分割方法 |
| 6.2.1 QPSO算法 |
| 6.2.2 本文提出的量子虫洞粒子群优化算法 |
| 6.3 实验结果与分析 |
| 6.3.1 脑肿瘤MRI图像分割结果及分析 |
| 6.3.2 脑肿瘤CT图像分割结果及分析 |
| 6.3.3 实验结果讨论 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（3）基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机器视觉研究现状 |
| 1.2.2 太阳能电池检测的研究现状 |
| 1.3 本文研究目的与意义 |
| 1.4 本文研究内容和组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 组织结构 |
| 第二章 缺陷检测与颜色分选系统的分析与设计 |
| 2.1 引言 |
| 2.2 电池片视觉检测关键问题 |
| 2.2.1 太阳能电池制备工艺 |
| 2.2.2 电池片缺陷与色系 |
| 2.2.3 检测标准与要求 |
| 2.3 检测系统整体方案设计 |
| 2.4 检测系统硬件选型与设计 |
| 2.4.1 工业相机选型 |
| 2.4.2 相机镜头选型 |
| 2.4.3 灰度卡的选型 |
| 2.4.4 其他硬件 |
| 2.5 检测系统软件设计 |
| 2.6 本章小结 |
| 第三章 电池片缺陷检测算法研究 |
| 3.1 引言 |
| 3.2 电池片图像预处理 |
| 3.2.1 图像的白平衡色彩校正算法 |
| 3.2.2 太阳能晶硅电池片区域提取 |
| 3.2.3 基于模板匹配的电池片定位 |
| 3.2.4 基于仿射变换的工艺点屏蔽 |
| 3.3 基于亚像素的电池片尺寸测量 |
| 3.4 电池片破损缺陷检测算法研究 |
| 3.4.1 基于形态学检测方法 |
| 3.4.2 基于模板检测方法 |
| 3.4.3 破损检测实验分析 |
| 3.5 电池片栅线缺陷检测算法研究 |
| 3.5.1 电池片栅线提取 |
| 3.5.2 电池片细栅检测 |
| 3.5.3 电池片主栅检测 |
| 3.6 电池片脏污缺陷检测算法研究 |
| 3.7 本章小结 |
| 第四章 电池片颜色分选算法研究 |
| 4.1 引言 |
| 4.2 颜色空间变换与特征提取 |
| 4.3 电池片颜色分选算法 |
| 4.3.1 基于相似度和距离的颜色分选算法 |
| 4.3.2 基于神经网络的颜色分选算法 |
| 4.3.3 颜色分选算法的对比分析 |
| 4.4 本章小结 |
| 第五章 检测系统性能分析 |
| 5.1 引言 |
| 5.2 检测系统精确度实验 |
| 5.3 检测系统高效性实验 |
| 5.4 检测系统稳定性实验 |
| 5.5 本章小结 |
| 总结与展望 |
| 研究成果 |
| 研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）基于Snakes模型的中文扭曲文档图像校正技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外发展现状 |
| 1.3 本文的研究内容和组织结构 |
| 第二章 扭曲文档图像相关技术研究 |
| 2.1 图像灰度化 |
| 2.2 图像滤波 |
| 2.3 脊线检测 |
| 2.3.1 脊线的描述 |
| 2.3.2 脊线检测方法 |
| 2.4 图像分割 |
| 2.4.1 图像分割方法 |
| 2.4.2 基于边缘检测的分割方法 |
| 2.5 本章小结 |
| 第三章 扭曲文档图像校正方案设计 |
| 3.1 扭曲文档图像的研究 |
| 3.1.1 图像获取 |
| 3.1.2 图像特征分析 |
| 3.2 校正方法研究分析 |
| 3.2.1 校正方法研究 |
| 3.2.2 校正方法评估 |
| 3.3 校正方案介绍 |
| 3.4 可行性分析 |
| 3.5 本章小结 |
| 第四章 扭曲文档图像校正算法实现 |
| 4.1 图像预处理 |
| 4.1.1 灰度化 |
| 4.1.2 高斯滤波处理 |
| 4.2 脊线检测 |
| 4.3 检测文本线 |
| 4.4 校正处理 |
| 4.5 本章小结 |
| 第五章 实验结果分析 |
| 5.1 测试环境与方案 |
| 5.1.1 测试环境 |
| 5.1.2 测试方案 |
| 5.2 校正效果图 |
| 5.3 结果分析 |
| 5.3.1 校正前后OCR识别率对比 |
| 5.3.2 算法时间效率对比 |
| 5.4 本章小结 |
| 第六章 工作总结与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（5）GVF Snake模型及其在图像分割中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 图像分割的研究背景和意义 |
| 1.2 活动轮廓模型在图像分割中的应用 |
| 1.3 GVF Snake模型在图像分割中的研究现状 |
| 1.4 本章小结 |
| 第二章 GVF Snake模型原理及其分析 |
| 2.1 Snake模型的基本理论 |
| 2.1.1 Snake的数学模型 |
| 2.1.2 Snake模型的仿真结果分析 |
| 2.2 GVF Snake模型的基本原理 |
| 2.2.1 GVF Snake的数学模型 |
| 2.2.2 GVF Snake的数值实现 |
| 2.2.3 GVF Snake模型仿真结果分析 |
| 2.3 GVF Snake模型进一步分析和讨论 |
| 2.4 本章小结 |
| 第三章 GVF Snake模型的梯度向量场数值计算研究 |
| 3.1 常见的梯度向量场的数值计算方法 |
| 3.1.1 有限差分方法 |
| 3.1.2 多分辨率方法 |
| 3.1.3 多网格方法 |
| 3.1.4 拉格朗日方法 |
| 3.2 基于拟牛顿法的数值计算方法 |
| 3.2.1 BFGS算法的基本原理 |
| 3.2.2 基于BFGS算法进行的梯度向量场计算 |
| 3.2.3 BFGS-GVF算法的详细步骤 |
| 3.3 实验结果及其对比 |
| 3.3.1 梯度向量场实验及其讨论 |
| 3.3.2 肺部图像分割的结果和梯度向量场 |
| 3.3.3 图像分割的实验及其讨论 |
| 3.4 本章小结 |
| 第四章 GVF Snake模型初始轮廓设置研究 |
| 4.1 常见的几种设置初始轮廓线方法 |
| 4.1.1 基于分水岭算法设定初始轮廓线 |
| 4.1.2 基于小波变换设定初始轮廓线 |
| 4.1.3 基于图割设定的初始轮廓线方法 |
| 4.2 基于边界跟踪算法设置GVF Snake模型初始轮廓线 |
| 4.2.1 边界跟踪基本理论知识 |
| 4.2.2 边界跟踪确定的初始轮廓线 |
| 4.2.3 基于边界跟踪改进GVF Snake模型的详细步骤 |
| 4.3 实验结果和分析 |
| 4.3.1 噪声图像的分割 |
| 4.3.2 红外热成像图像的分割 |
| 4.3.3 彩色图像的分割 |
| 4.3.4 工业焊点缺陷检测的分割 |
| 4.3.5 分割结果的准确性分析 |
| 4.4 本章小结 |
| 第五章 GVF Snake模型在医学皮肤镜图像上的应用 |
| 5.1 医学皮肤镜图像 |
| 5.1.1 研究的背景和意义 |
| 5.1.2 医学皮肤图像的特点 |
| 5.2 用于皮肤镜图像处理的GVF Snake模型 |
| 5.2.1 皮肤镜图像的预处理 |
| 5.2.2 应用于皮肤镜图像处理的GVF Snake模型的算法步骤 |
| 5.3 实验结果及其分析 |
| 5.3.1 边界清晰的图像 |
| 5.3.2 不规则边界的图像 |
| 5.3.3 边界模糊的图像 |
| 5.3.4 分割结果的定量分析 |
| 5.4 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 附录: 作者在攻读硕士学位期间发表的论文 |
（6）线扫描铁轨表面成像系统与缺陷检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 铁轨缺陷检测研究状况 |
| 1.2.1 铁轨缺陷检测方法 |
| 1.2.2 铁轨缺陷检测设备 |
| 1.3 机器视觉铁轨检测 |
| 1.4 论文的主要内容和结构安排 |
| 第2章 线扫描成像系统设计与测试 |
| 2.1 铁轨表面缺陷检测系统设计方案 |
| 2.1.1 主要技术指标 |
| 2.1.2 系统设计方案 |
| 2.2 成像系统器件 |
| 2.2.1 相机 |
| 2.2.2 镜头 |
| 2.2.3 光源 |
| 2.2.4 图像采集卡 |
| 2.2.5 控制器 |
| 2.3 成像系统方案 |
| 2.3.1 线性模组实验方案 |
| 2.3.2 高速转盘实验方案 |
| 2.3.3 室外电动车实验方案 |
| 2.3.4 轨检车实验方案 |
| 2.4 本章小结 |
| 第3章 铁轨表面离散疤痕缺陷检测算法 |
| 3.1 检测算法流程 |
| 3.2 采集图像预处理 |
| 3.2.1 铁轨区域提取 |
| 3.2.2 降噪处理 |
| 3.3 增强铁轨图像 |
| 3.4 阈值化分割缺陷 |
| 3.4.1 最大类间方差法 |
| 3.4.2 改进算法 |
| 3.5 识别缺陷 |
| 3.5.1 形态学处理 |
| 3.5.2 缺陷特征滤波器 |
| 3.6 实验结果 |
| 3.6.1 增强铁轨图像方法比较 |
| 3.6.2 阈值化分割方法比较 |
| 3.7 本章小结 |
| 第4章 铁轨表面裂纹缺陷检测算法 |
| 4.1 偏微分方程图像分割概述 |
| 4.2 水平集的曲线演化方法 |
| 4.2.1 曲线演化理论 |
| 4.2.2 水平集方法 |
| 4.3 Chan-Vese模型原理 |
| 4.3.1 Mumford-Shah模型 |
| 4.3.2 Chan-Vese模型 |
| 4.4 识别铁轨裂纹 |
| 4.5 本章小结 |
| 第5章 应用软件设计 |
| 5.1 软件开发工具 |
| 5.2 软件框架和功能 |
| 5.2.1 相机的配置与连接模块 |
| 5.2.2 图像实时采集与存储模块 |
| 5.2.3 缺陷检测模块 |
| 5.2.4 图像回放模块 |
| 5.3 软件运行结果 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间发表的论文和参与的科研项目成果 |
（7）SAR图像配准及变化检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 SAR 图像配准及变化检测的特点 |
| 1.2.1 SAR 近年来的发展情况 |
| 1.2.2 SAR 图像配准 |
| 1.2.3 SAR 图像变化检测 |
| 1.3 作者的主要工作及论文的结构安排 |
| 第二章 基于地理坐标及轨道参数的星载 SAR 图像配准 |
| 2.1 引言 |
| 2.2 基于地理信息的 ALOS PALSAR 图像配准 |
| 2.3 利用卫星轨道信息估计干涉基线 |
| 2.3.1 基于卫星轨道曲线拟合的卫星位置估计方法 |
| 2.3.2 基于卫星轨道曲线拟合的基线估计方法 |
| 2.4 基于干涉基线估计的图像配准 |
| 2.5 本章小结 |
| 第三章 基于区域特征的 SAR 图像配准 |
| 3.1 引言 |
| 3.2 SAR 图像中均匀闭合区域特征 |
| 3.3 基于 Frost 滤波和区域生长的 SAR 图像均匀区域提取方法 |
| 3.3.1 基于像元灰度信息的区域生长 |
| 3.3.2 Frost 滤波与区域生长结合的均匀区域提取方法 |
| 3.3.3 实验结果 |
| 3.4 基于活动轮廓模型的 SAR 图像区域提取方法 |
| 3.4.1 活动轮廓模型原理 |
| 3.4.2 混合加权活动轮廓模型 |
| 3.4.3 实验结果 |
| 3.5 基于封闭区域特征的图像配准 |
| 3.5.1 基于闭合区域质心的图像配准 |
| 3.5.2 基于多边形拟合和几何哈希理论的图像配准 |
| 3.5.3 基于残差数据的配准精度分析 |
| 3.6 本章小结 |
| 第四章 SAR 图像变化检测量及阈值选择方法研究 |
| 4.1 引言 |
| 4.2 常见 SAR 图像变化检测算子及其比较分析 |
| 4.2.1 差异数据的获取 |
| 4.2.2 SAR 图像差值检测量和比值检测量比较 |
| 4.3 常见阈值选取方法及实验对比分析 |
| 4.3.1 经典阈值分割算法 |
| 4.3.2 实验数据 |
| 4.3.3 实验结果 |
| 4.4 基于似然比检验和相邻灰度直方图比阈值法的变化检测方法 |
| 4.4.1 基于 SAR 图像统计特征的变化检测算子 |
| 4.4.2 基于相邻灰度直方图比的阈值自动选择算法 |
| 4.4.3 实验结果分析 |
| 4.5 基于马尔可夫随机场的变化检测算法 |
| 4.5.1 LOG-CDM |
| 4.5.2 LLI-CDM |
| 4.5.3 基于马尔可夫随机场的变化检测量融合方法 |
| 4.5.4 实验结果 |
| 4.6 本章小结 |
| 第五章 变化检测技术在可移动目标检测中的应用 |
| 5.1 引言 |
| 5.2 基于变化检测技术的固定场景机动目标检测 |
| 5.2.1 基于变化检测技术的机场内飞机目标检测 |
| 5.2.2 基于变化检测技术的港口内舰船目标检测 |
| 5.3 基于变化检测技术的可移动目标鉴别 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究工作总结 |
| 6.2 进一步研究的展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A Frost 滤波器 |
| 附录 B ROEWA 算子 |
| 附录 C SAR 强度图像概率分布 |
（8）基于水平集的医学图像分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 医学图像分割背景研究及其重要意义 |
| 1.2 医学图像分割面临的问题 |
| 1.3 基于活动轮廓模型的医学图像分割发展现状及发展趋势 |
| 1.4 论文研究的主要内容及组织结构 |
| 第2章 水平集方法的基本理论 |
| 2.1 曲线演化理论 |
| 2.2 水平集方法介绍 |
| 2.2.1 水平集方法的函数表示 |
| 2.2.2 水平集函数的数值解法 |
| 2.2.3 水平集方法实现中的问题 |
| 2.3 本章小结 |
| 第3章 基于图像边界信息和区域信息的模糊水平集分割算法研究 |
| 3.1 模糊算法与图像分割 |
| 3.1.1 模糊集理论在图像分割中的应用 |
| 3.2 模糊C均值聚类算法 |
| 3.3 基于图像边界信息和区域信息的模糊水平集分割算法 |
| 3.3.1 模糊水平集算法 |
| 3.3.2 基于图像边界信息和区域信息的模糊水平集算法关键问题 |
| 3.3.3 水平集函数边界信息加入 |
| 3.3.4 水平集函数重新初始化问题 |
| 3.3.5 能量函数设计 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 不同算法分割结果的比较 |
| 3.4.2 差异实验评估方法 |
| 3.5 本章小结 |
| 第4章 结合混合核函数的水平集分割算法研究 |
| 4.1 核函数算法 |
| 4.1.1 核函数理论 |
| 4.1.2 核函数方法在图像处理中的应用 |
| 4.2 结合混合核函数的水平集分割算法 |
| 4.2.1 核函数在水平集算法中的应用 |
| 4.2.2 结合混合核函数的水平集算法关键问题 |
| 4.2.3 结合混合核函数的水平集分割算法 |
| 4.2.4 能量函数设计 |
| 4.3 仿真实验及结果分析 |
| 4.3.1 能量函数设计 |
| 4.3.2 差异实验评估 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间的论文及参与科研情况 |
（9）基于PDE的图像去噪、修补及分解研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 偏微分方程图像处理的发展 |
| 1.2.1 图像分割 |
| 1.2.2 图像恢复和增强 |
| 1.2.3 图像修补 |
| 1.3 本文主要工作 |
| 2 偏微分方程图像处理的数学基础 |
| 2.1 图像的数学定义 |
| 2.2 图像恢复问题的数学描述 |
| 2.3 常用数学定义以及几类常用的抽象空间 |
| 2.4 一类偏微分方程图像处理问题的理论框架 |
| 3 基于PDE的图像去噪问题研究 |
| 3.1 一类局部自适应的L~p正则化变分模型 |
| 3.1.1 一种局部自适应的L~p去噪模型 |
| 3.1.2 模型分析以及适定性证明 |
| 3.1.3 实验结果 |
| 3.2 基于模糊判断的椒盐噪声去除方法 |
| 3.2.1 一种新的模糊扩散去噪方法 |
| 3.2.2 算法的稳定性分析 |
| 3.2.3 实验结果 |
| 3.3 一种新的全局凸的乘性噪声去除模型 |
| 3.3.1 乘性噪声去除问题背景介绍 |
| 3.3.2 一种新的全局凸的乘性噪声模型 |
| 3.3.3 模型的数学讨论及推广 |
| 3.3.4 实验结果和分析 |
| 3.4 总结 |
| 4 基于PDE的局部纹理图像修补方法 |
| 4.1 研究背景介绍 |
| 4.2 一种新的局部结构纹理修复方法 |
| 4.2.1 TV修补模型和OABE模型分析 |
| 4.2.2 局部纹理方向的确定 |
| 4.2.3 一种新的图像修复方法 |
| 4.2.4 修补模型解的存在唯一性 |
| 4.3 实验结果及评价 |
| 4.4 小结 |
| 5 图像分解及在人脸识别中的应用研究 |
| 5.1 图像分解介绍 |
| 5.2 图像分解在人脸识别中的应用 |
| 5.3 一种新的基于图像分解和保拓扑映射的人脸识别算法 |
| 5.3.1 基于L~P+SQI的光照归一化方法 |
| 5.3.2 一种新的基于保拓扑映射的人脸识别算法 |
| 5.4 实验结果和分析 |
| 5.5 小结 |
| 结论 |
| 参考文献 |
| 创新点摘要 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
四、基于最大类间可分离性的轮廓线分割（论文参考文献）
- [1]基于多尺度分割下多特征综合的遥感影像变化检测方法研究[D]. 耿黎娜. 昆明理工大学, 2019(04)
- [2]脑胶质瘤核磁共振图像分割方法研究[D]. 张天驰. 哈尔滨工程大学, 2019(04)
- [3]基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究[D]. 金根炎. 华南理工大学, 2019(02)
- [4]基于Snakes模型的中文扭曲文档图像校正技术研究[D]. 王兆亮. 北方工业大学, 2017(08)
- [5]GVF Snake模型及其在图像分割中的应用研究[D]. 蒋小波. 江南大学, 2015(01)
- [6]线扫描铁轨表面成像系统与缺陷检测算法研究[D]. 贾康成. 湖南大学, 2014(06)
- [7]SAR图像配准及变化检测技术研究[D]. 熊博莅. 国防科学技术大学, 2012(04)
- [8]基于水平集的医学图像分割方法研究[D]. 姜柳. 东北大学, 2010(03)
- [9]基于PDE的图像去噪、修补及分解研究[D]. 李波. 大连理工大学, 2008(08)
- [10]基于最大类间可分离性的轮廓线分割[J]. 杨忠根,陈涛. 哈尔滨工程大学学报, 2001(06)