图像特征检测的偏微分方程方法及应用

　　随着互联网的快速发展，伴随着智能化、数字化和网络化的快速发展，图像已成为重要信息载体被广泛用于卫星系统、科学试验、系统监测、数字图书馆、生物医学和地理信息系统等，越来越多的重要信息通过图像来描述。因此，提取图像重要特征信息，去掉图像冗余信息，这在实际应用中就显得尤为重要。本书阐述了图像特征检测的偏微分方程方法，根据数学理论建立偏微分方程模型去输出图像的重要特征信息或者刻画图像的边缘特征，其研究结果可应用于海量图像检索，红外目标准确追踪、定位，医学肿瘤自动分析，以及指纹识别、虹膜识别等领域，为图像更深层次的理解提供更为广泛的应用前景。

　　李梦，博士，重庆工商大学副教授，硕士生导师，研究方向为偏微分方程与图像处理，在Journal of Electronic Imaging，Infrared Physics＆Technology等重要学术期刊和重要国际会议上发表学术论文20余篇，其中被SCI收录11篇，EI收录5篇。主持国家自然科学基金青年基金项目1项，参研国家自然科学基金面上项目1项。

第1章 绪论
1.1 图像特征检测研究背景与意义
1.2 图像特征检测方法概述
1.3 本书主要内容和结构安排
第2章 图像显著性检测的相场变分模型
2.1 相场方法和Cahn-Hilliard模型
2.2 图像显著性检测的Sobolev梯度相场变分模型
2.3 图像显著性检测的反正切变分正则模型
2.4 小结
第3章 图像显著性检测的非局部变分模型
3.1 知识背景
3.2 非局部p-Laplace正则的相场变分模型
3.3 Matlab数值实现与图像显著性检测
3.4 小结
第4章 图像边缘特征检测的变分水平集模型
4.1 图像边缘检测的偏微分方程方法概述
4.2 基于二阶方向导数的水平集演化
4.3 整合图像特征方向信息的水平集演化
4.4 小结
第5章 结构张量水平集演化与红外目标检测
5.1 红外图像概述
5.2 红外目标边缘检测研究现状
5.3 张量扩散的变分水平集模型
5.4 基于结构张量的偏微分方程模型
5.5 小结
第6章 图像边缘检测的前向后向扩散距离正则模型
6.1 水平集方法与符号距离正则
6.2 距离保持水平集演化
6.3 前向后向扩散的距离正则模型
6.4 小结
第7章 结论与展望
7.1 全文总结
7.2 今后的研究方向
参考文献