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。

本书运用偏微分方程方法研究图像特征检测，深入探讨了图像显著性检测和图像边缘特征检测。一方面，充分利用图像空间结构信息，将图像先验信息嵌入到具有深刻物理意义的相场变分模型中，利用相场变化等控制能量强度变换，使图像非线性扩散，最大限度地保持图像的重要特征，同时压制图像背景信息，实现图像显著性检测；另一方面，利用图像的二阶方向导数、结构张量等特征刻画图像先验信息，构建基于水平集函数的能量变分模型或偏微分方程模型，通过水平集函数的演化带动零水平曲线的变化，实现图像边缘特征检测。
本书可供应用数学、图像处理、计算机视觉等领域的高年级本科生和研究生使用，也可作为相关领域的教师、工程师和技术人员等的参考书。

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