| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·自然场景图像分割的研究背景及意义 | 第9-10页 |
| ·自然场景图像相关技术的发展现状 | 第10-13页 |
| ·自然场景图像分割技术的研究现状 | 第11页 |
| ·视觉注意模型的研究现状 | 第11-12页 |
| ·Graph Cut 的研究发展 | 第12-13页 |
| ·现有问题分析 | 第13-14页 |
| ·本文的主要工作和创新点 | 第14-16页 |
| 第二章 显著度图的生成 | 第16-28页 |
| ·视觉注意模型概述 | 第16-21页 |
| ·人眼的视觉注意机制 | 第16-18页 |
| ·视觉注意模型原理 | 第18-19页 |
| ·现有算法分析 | 第19-21页 |
| ·基于 HSV 颜色空间的显著性计算 | 第21-25页 |
| ·颜色空间的选择 | 第21-24页 |
| ·显著性计算方法 | 第24-25页 |
| ·实验结果与分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于改进分水岭算法的自然场景图像预分割 | 第28-34页 |
| ·传统分水岭算法 | 第28-30页 |
| ·基于距离的 Watershed 区域分割算法 | 第30-31页 |
| ·实验结果与分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于超像素的 Graph Cut 分割算法 | 第34-53页 |
| ·算法流程框架 | 第34-35页 |
| ·图论相关理论 | 第35-46页 |
| ·图论相关概念 | 第36-38页 |
| ·图像映射为图 | 第38-44页 |
| ·现有算法分析 | 第44-46页 |
| ·迭代 Graph Cut 图像分割 | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·未来工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间科研成果 | 第60-61页 |
| 致谢 | 第61-62页 |