基于超像素的多主体图像分割算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.2 本文的主要工作 | 第12-14页 |
| 1.2.1 主要研究内容 | 第12页 |
| 1.2.2 论文结构安排 | 第12-14页 |
| 2 多主体图像分割相关理论 | 第14-30页 |
| 2.1 多主体图像分割的研究与发展 | 第14-18页 |
| 2.1.1 传统图像分割方法 | 第15-16页 |
| 2.1.2 结合特定理论的分割方法 | 第16-17页 |
| 2.1.3 聚类分割方法 | 第17-18页 |
| 2.2 超像素分割方法 | 第18-27页 |
| 2.2.1 基于图论的方法 | 第20-24页 |
| 2.2.2 基于梯度下降的方法 | 第24-27页 |
| 2.3 DBSCAN算法基础 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 3 基于超像素的自适应多主体图像分割算法 | 第30-42页 |
| 3.1 超像素分割算法 | 第31-34页 |
| 3.1.1 超像素分割算法对比 | 第31-32页 |
| 3.1.2 超像素粒子度与分割结果的关系 | 第32-34页 |
| 3.2 自适应聚类算法 | 第34-39页 |
| 3.3 孤立点控制 | 第39-41页 |
| 3.4 小结 | 第41-42页 |
| 4 实验及结果分析 | 第42-48页 |
| 4.1 实验环境 | 第42页 |
| 4.2 实验数据源 | 第42-43页 |
| 4.3 图像分割评价标准 | 第43页 |
| 4.4 实验分析 | 第43-46页 |
| 4.5 小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简历 | 第52-54页 |
| 学位论文数据集 | 第54-55页 |
