| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-26页 |
| 1.2.1 图像分割国内外研究现状 | 第18-21页 |
| 1.2.2 基于图论的分割方法国内外研究现状 | 第21-26页 |
| 1.3 论文的研究内容和组织架构 | 第26-29页 |
| 1.3.1 论文的研究内容 | 第26-28页 |
| 1.3.2 论文的组织架构 | 第28-29页 |
| 1.4 本章小结 | 第29-30页 |
| 第2章 基于图论的图像分割 | 第30-52页 |
| 2.1 图与图像 | 第30-33页 |
| 2.1.1 图与图像的关系 | 第30-31页 |
| 2.1.2 图像映射为图 | 第31-33页 |
| 2.2 基础知识 | 第33-46页 |
| 2.2.1 基本概念 | 第33-38页 |
| 2.2.2 最小生成树及算法 | 第38-39页 |
| 2.2.3 最短路径及Dijkstra算法 | 第39-40页 |
| 2.2.4 网络流及最大流算法 | 第40-46页 |
| 2.3 超像素图像分割算法研究 | 第46-51页 |
| 2.3.1 超像素分割算法 | 第46-47页 |
| 2.3.2 基于图论的超像素分割算法 | 第47-51页 |
| 2.4 本章小节 | 第51-52页 |
| 第3章 基于图聚类的图像分割算法研究 | 第52-67页 |
| 3.1 引言 | 第52页 |
| 3.2 基于图聚类的图像分割 | 第52-55页 |
| 3.2.1 Ginzburg-Landau(GL)泛函的全变分逼近 | 第53页 |
| 3.2.2 建立图模型 | 第53-55页 |
| 3.3 FCM及其改进算法 | 第55-60页 |
| 3.4 结合层次聚类与峰值检测的FCM算法 | 第60-62页 |
| 3.4.1 峰值检测的FCM算法 | 第60-61页 |
| 3.4.2 FCM初始聚类中心算法 | 第61-62页 |
| 3.4.3 改进算法执行步骤 | 第62页 |
| 3.5 实验结果评价分析 | 第62-66页 |
| 3.5.1 视觉效果比较 | 第63-64页 |
| 3.5.2 算法有效性验证 | 第64-65页 |
| 3.5.3 分割效率比较 | 第65-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第4章 基于超像素和最近邻区域合并的图像分割算法 | 第67-81页 |
| 4.1 引言 | 第67-68页 |
| 4.2 图像预处理 | 第68-69页 |
| 4.2.1 图像增强处理 | 第68-69页 |
| 4.2.2 图像去噪 | 第69页 |
| 4.3 基于超像素和最近邻区域合并算法 | 第69-76页 |
| 4.3.1 简单线性迭代聚类(SLIC)算法 | 第70-73页 |
| 4.3.2 区域合并算法 | 第73页 |
| 4.3.3 最近邻区域合并算法 | 第73-76页 |
| 4.3.4 算法流程 | 第76页 |
| 4.4 实验结果分析 | 第76-80页 |
| 4.4.1 实验结果 | 第76-79页 |
| 4.4.2 实验结果评价分析 | 第79-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第5章 基于最小误差采样的谱聚类图像分割算法 | 第81-94页 |
| 5.1 引言 | 第81页 |
| 5.2 基于Nystr?m的谱聚类算法 | 第81-88页 |
| 5.2.1 谱聚类算法 | 第81-85页 |
| 5.2.2 谱聚类推导 | 第85-87页 |
| 5.2.3 基于Nystr?m的谱聚类算法 | 第87-88页 |
| 5.3 改进的谱聚类图像分割算法 | 第88-90页 |
| 5.3.1 最小误差分析 | 第88-89页 |
| 5.3.2 最小误差采样算法 | 第89-90页 |
| 5.3.3 改进的Nystr?m谱聚类图像分割算法 | 第90页 |
| 5.4 实验结果与有效性分析 | 第90-93页 |
| 5.5 本章小结 | 第93-94页 |
| 第6章 基于稀疏矩阵的谱聚类图像分割算法 | 第94-105页 |
| 6.1 引言 | 第94页 |
| 6.2 传统稀疏矩阵谱聚类图像分割算法及误差分析与改进 | 第94-95页 |
| 6.2.1 传统稀疏矩阵谱聚类图像分割算法 | 第94-95页 |
| 6.2.2 误差分析与改进方法 | 第95页 |
| 6.3 稀疏矩阵谱聚类改进算法 | 第95-101页 |
| 6.3.1 滤波器和图的拉普拉斯 | 第95-96页 |
| 6.3.2 扩散过程的图表 | 第96-97页 |
| 6.3.3 Gabor滤波器 | 第97页 |
| 6.3.4 特征中心提取方法 | 第97-99页 |
| 6.3.5 稀疏矩阵创建方法 | 第99-100页 |
| 6.3.6 算法执行步骤 | 第100-101页 |
| 6.4 仿真实验及结果分析 | 第101-104页 |
| 6.4.1 视觉效果及量化指标对比 | 第101-103页 |
| 6.4.2 鲁棒性分析 | 第103-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第7章 结论与展望 | 第105-108页 |
| 7.1 结论 | 第105-106页 |
| 7.2 展望 | 第106-108页 |
| 参考文献 | 第108-118页 |
| 致谢 | 第118-120页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第120-121页 |
| 附录B 攻读学位期间主持或参加的科研项目 | 第121-122页 |
| 附录C 攻读学位期间获得的其它学术成果 | 第122页 |
