基于形状先验的同时分割与识别研究
| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-36页 |
| ·课题背景 | 第15-21页 |
| ·偏微分方程图像分割方法回顾 | 第16-18页 |
| ·几种经典的活动轮廓模型 | 第18-21页 |
| ·相关研究工作及技术发展 | 第21-31页 |
| ·活动形状模型 | 第21-22页 |
| ·基于形状先验的水平集分割模型 | 第22-24页 |
| ·基于机器学习的图像处理技术发展 | 第24-31页 |
| ·目标分割中存在的关键问题与解决思路 | 第31-33页 |
| ·本文主要内容及结构 | 第33-36页 |
| 第2章 基于形状缩减集密度估计的变分模型 | 第36-52页 |
| ·问题概述 | 第36-37页 |
| ·缩减集密度估计 | 第37-39页 |
| ·估计方法 | 第37-38页 |
| ·序贯最小优化方法 | 第38-39页 |
| ·基于缩减集密度估计的形状模型 | 第39-44页 |
| ·形状表示 | 第39-42页 |
| ·形状概率表示的缩减集密度估计 | 第42-43页 |
| ·能量公式 | 第43-44页 |
| ·形变不变性 | 第44页 |
| ·能量优化 | 第44-46页 |
| ·实验结果 | 第46-51页 |
| ·追踪行走的人 | 第46-49页 |
| ·分割X-射线医学图像 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 基于形状稀疏表示的目标分割与识别模型 | 第52-71页 |
| ·问题与解决思路概述 | 第52-54页 |
| ·形状稀疏表示 | 第54-57页 |
| ·基于稀疏表示的模型 | 第57-60页 |
| ·能量公式 | 第57-58页 |
| ·形变不变性 | 第58-59页 |
| ·基于稀疏表示的目标识别 | 第59-60页 |
| ·算法实现 | 第60-62页 |
| ·实验结果 | 第62-70页 |
| ·MPEG-7数据集上的实验结果 | 第62-64页 |
| ·追踪一个行走的人 | 第64-67页 |
| ·人体手臂姿势的分割与识别 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第4章 基于先验形状凸组合的分割与识别模型 | 第71-83页 |
| ·问题概述 | 第71页 |
| ·先验形状凸组合 | 第71-72页 |
| ·基于先验形状凸组合的变分模型 | 第72-77页 |
| ·能量公式 | 第72-74页 |
| ·投影至凸集 | 第74-75页 |
| ·迭代投影优化法 | 第75-76页 |
| ·形变不变性 | 第76-77页 |
| ·实验结果 | 第77-81页 |
| ·不考虑形变不变性 | 第78-79页 |
| ·考虑形变不变性 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 第5章 基于先验形状和纹理的凸组合模型 | 第83-95页 |
| ·问题概述 | 第83页 |
| ·先验形状和纹理的凸组合 | 第83-84页 |
| ·基于先验表面的凸组合变分模型 | 第84-85页 |
| ·能量优化 | 第85-88页 |
| ·实验结果 | 第88-94页 |
| ·基于形状先验的多目标类分割与识别 | 第88-91页 |
| ·基于形状和纹理先验的手指拼写字母分割与识别 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 第6章 基于形状深度学习的分割模型 | 第95-110页 |
| ·问题概述 | 第95-96页 |
| ·通过深度波尔兹曼机学习形状先验 | 第96-99页 |
| ·三层DBM的学习过程 | 第97-98页 |
| ·近似推理和产生表现 | 第98-99页 |
| ·基于形状学习的分割模型 | 第99-103页 |
| ·能量公式 | 第99-100页 |
| ·能量优化 | 第100-102页 |
| ·形变不变性 | 第102-103页 |
| ·实验结果 | 第103-108页 |
| ·在MPEG-7上的实验结果 | 第103-105页 |
| ·追踪一个行走的人 | 第105-107页 |
| ·人体手臂姿态的分割 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第7章 相关问题的研究 | 第110-130页 |
| ·引言 | 第110页 |
| ·非参数统计方法的研究 | 第110-123页 |
| ·问题和算法概述 | 第110-112页 |
| ·强壮稀疏核密度估计 | 第112-119页 |
| ·实验结果 | 第119-123页 |
| ·形状对齐方法的研究 | 第123-129页 |
| ·穷搜索方法 | 第125-126页 |
| ·分支限界法 | 第126-127页 |
| ·梯度下降法 | 第127-128页 |
| ·内部对齐法 | 第128-129页 |
| ·人工扩展训练样本法 | 第129页 |
| ·本章小结 | 第129-130页 |
| 第8章 总结与展望 | 第130-133页 |
| ·本文工作的总结 | 第130-131页 |
| ·未来工作展望 | 第131-133页 |
| 参考文献 | 第133-145页 |
| 攻读博士学位期间主要的研究成果 | 第145-147页 |
| 致谢 | 第147页 |
