圖像處理的分?jǐn)?shù)階微積分方法

第 1章 緒論
1.1 研究背景和研究現(xiàn)狀 2
1.2 分?jǐn)?shù)階微積分理論 5
1.2.1 分?jǐn)?shù)階微積分理論背景 5
1.2.2 分?jǐn)?shù)階微積分理論的基本原理 6
1.3 圖像處理的背景與常用方法 8
1.3.1 圖像處理背景簡介 8
1.3.2 圖像處理的傳統(tǒng)方法 9
1.3.3 圖像處理的微積分方法 15

第 2章 圖像處理及分?jǐn)?shù)階微積分基礎(chǔ)
2.1 變分原理 18
2.2 梯度下降流 19
2.3 傅里葉變換 20
2.4 分?jǐn)?shù)階傅里葉變換 21
2.4.1 分?jǐn)?shù)階傅里葉變換的定義和重要性質(zhì) 21
2.4.2 二維分?jǐn)?shù)階傅里葉變換 25
2.5 本章小結(jié) 27

第3章 分?jǐn)?shù)階微積分與信號(hào)處理的關(guān)系
3.1 問題描述 29
3.2 分?jǐn)?shù)階微積分 29
3.3 分?jǐn)?shù)階微積分與傅里葉變換的關(guān)系 31
3.4 分?jǐn)?shù)階微積分和分?jǐn)?shù)階傅里葉變換的關(guān)系 33
3.5 應(yīng)用 35
3.5.1 分?jǐn)?shù)階微積分的離散化方法 35
3.5.2 分?jǐn)?shù)階微積分的求解新方法 37
3.6 本章小結(jié)

第4章 基于分?jǐn)?shù)變階微分的圖像去噪方法
4.1 問題描述 40
4.2 圖像去噪的偏微分方法 41
4.2.1 擴(kuò)散過程的物理學(xué)背景 41
4.2.2 線性擴(kuò)散與圖像線性濾波 41
4.2.3 圖像去噪的P-M模型 46
4.3 分?jǐn)?shù)變階微分的概念 53
4.4 基于分?jǐn)?shù)變階微分的去噪模型 55
4.4.1 模型的提出 55
4.4.2 模型的分析 56
4.5 數(shù)值實(shí)現(xiàn)和仿真結(jié)果 58
4.6 本章小結(jié) 65

第5章 圖像復(fù)原的分?jǐn)?shù)階偏微分方法
5.1 問題的描述 67
5.2 傳統(tǒng)的圖像復(fù)原方法 68
5.3 圖像復(fù)原的分?jǐn)?shù)變階偏微分模型 70
5.3.1 變分有界函數(shù)空間與圈變分范數(shù) 70
5.3.2 圖像復(fù)原的TV模型 72
5.3.3 圖像復(fù)原的分?jǐn)?shù)變階偏微分模型 75
5.4 數(shù)值實(shí)現(xiàn)和仿真結(jié)果 77
5.4.1 實(shí)驗(yàn)一：分?jǐn)?shù)變階偏微分圖像復(fù)原模型的去噪和去模糊 78
5.4.2 實(shí)驗(yàn)二：提出的新模型與IRTV和BM3D算法的對(duì)比 86
5.5 本章小結(jié)

第6章 圖像分割的分?jǐn)?shù)階微積分方法
6.1 圖像分割的傳統(tǒng)方法 91
6.1.1 基于聚類的方法 91
6.1.2 基于圖割的方法 92
6.1.3 基于神經(jīng)網(wǎng)絡(luò)的方法 94
6.1.4 基于活動(dòng)輪廓的方法 95
6.2 測(cè)地線活動(dòng)輪廓模型 98
6.2.1 模型的建立 99
6.2.2 模型的水平集方法 100
6.3 矢量圖像的GAC模型 102
6.3.1 矢量圖像的邊緣 102
6.3.2 矢量圖像的GAC模型 106
6.4 無邊緣活動(dòng)輪廓模型 107
6.4.1 模型的建立 107
6.4.2 C-V模型的數(shù)值實(shí)現(xiàn) 109
6.4.3 實(shí)例和應(yīng)用 110
6.5 分?jǐn)?shù)階微積分的圖像分割模型 110
6.5.1 基于分?jǐn)?shù)變階微分的醫(yī)學(xué)圖像分割模型 111
6.5.2 模型和方法 111
6.5.3 模型的理論及算法 114
6.5.4 實(shí)驗(yàn)結(jié)果 118
6.5.5 結(jié)果分析 123
6.5.6 結(jié)論

第7章 圖像增強(qiáng)的分?jǐn)?shù)階微積分方法
7.1 分?jǐn)?shù)階微積分的Grunwald-Letnikov方法 128
7.1.1 方法介紹 128
7.1.2 存在的問題 129
7.2 一種自適應(yīng)分?jǐn)?shù)階微分掩模算子的構(gòu)造 129
7.2.1 自相關(guān)不規(guī)則掩模區(qū)域的自主選擇 130
7.2.2 自適應(yīng)非整數(shù)步長劃分及其像素的線性估計(jì) 132
7.2.3 分?jǐn)?shù)階階次的自適應(yīng)選擇 133
7.2.4 掩模算子的自適應(yīng)構(gòu)造 135
7.2.5 自適應(yīng)分?jǐn)?shù)階微分濾波的實(shí)現(xiàn) 138
7.3 自適應(yīng)分?jǐn)?shù)階微分在圖像增強(qiáng)中的應(yīng)用 139
7.3.1 Roberts算子 139
7.3.2 Sobel算子 140
7.3.3 Laplacian算子 141
7.3.4 圖像增強(qiáng)實(shí)驗(yàn)結(jié)果 142
7.4 與其他圖像紋理增強(qiáng)算子對(duì)比分析 146
7.5 本章小結(jié) 149

參考文獻(xiàn) 150