第1章 引言 1
1.1 课题研究背景 1
1.2 课题研究意义 2
第2章 基于演化思想的图像处理技术 4
2.1 图像处理演化模型的基本思想 4
2.2 演化模型的理论研究现状及应用 6
2.2.1 Gauss尺度模型及相关性质 6
2.2.2 非线性尺度模型 12
2.3 水平集曲面的构造 13
2.4 本章小结 19
第3章 基于多尺度理论的图像去噪自适应算法研究 21
3.1 引言 21
3.2 偏微分方程去噪方法研究现状 21
3.2.1 Perona-Malik方程 23
3.2.2 Alvarez,Lions和Morel模型 25
3.2.3 F.Catte模型 25
3.2.4 林石算子 26
3.3 自适应去噪算法分析 27
3.3.1 各向异性扩散模型及其去噪原理 27
3.3.2 图像质量评价方法 27
3.3.3 本书改进的模型 28
3.3.4 自适应算法构造 28
3.3.5 自适应滤波中一种改进的结构相似度算法 29
3.4 离散化法分析 30
3.4.1 显式差分格式 30
3.4.2 半隐格式 31
3.4.3 高维差分格式 32
3.4.4 改进模型的离散化 32
3.5 仿真实验 34
3.6 本章小结 38
第4章 基于多尺度理论的图像特征分析 39
4.1 引言 39
4.2 突变理论相关概念及引理 40
4.3 高斯尺度空间模型的标准形 43
4.4 高斯尺度空间模型的分岔分析 46
4.4.1 第一种标准形 46
4.4.2 第二种标准形 46
4.4.3 第三种标准形 46
4.4.4 第四种标准形 47
4.4.5 第五种标准形 48
4.4.6 进一步分析 49
4.5 高斯尺度空间理论的进一步研究与实验 50
4.5.1 一维信号的高斯尺度空间 50
4.5.2 二维信号的高斯尺度空间 54
4.5.3 基于高斯尺度的过零点边缘检测 55
4.6 本章小结 59
第5章 基于多尺度理论的图像特征研究及应用 60
5.1 引言 60
5.2 基于高斯尺度空间模型分岔点的图像匹配方法 60
5.2.1 高斯尺度空间模型分岔点 60
5.2.2 基于分岔点的图像匹配算法 65
5.2.3 实验结果分析 66
5.3 基于多尺度空间理论的边缘检测算法探究 68
5.3.1 基于模糊增强算法的单一尺度过零点边缘检测 68
5.3.2 实验结果分析 71
5.3.3 基于单一尺度的图像边缘检测算法的改进 72
5.3.4 实验结果分析 73
5.4 本章小结 76
第6章 基于多尺度理论的图像骨架提取分析 77
6.1 引言 77
6.2 骨架提取的基本概念及相关方法 77
6.3 骨架提取理论算法研究与详解 78
6.3.1 Level Set模型 78
6.3.2 曲率尺度空间理论 79
6.3.3 快速行进法（FMM） 80
6.3.4 基于Level Set模型与改进快速行进法的骨架提取算法 81
6.4 应用实例 85
6.4.1 实例描述 85
6.4.2 实验方案 86
6.4.3 实验结果与讨论 86
6.5 本章小结 88
结论 89
参考文献 90