| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景和意义 | 第12-14页 |
| ·图像与视频分割研究现状 | 第14-20页 |
| ·图像分割方法 | 第15-18页 |
| ·视频分割方法 | 第18-20页 |
| ·本文研究的主要工作及章节安排 | 第20-22页 |
| 第二章 图割理论 | 第22-30页 |
| ·网络流理论 | 第22-26页 |
| ·s-t 网络 | 第23-24页 |
| ·s-t 网络的扩展 | 第24-25页 |
| ·s-t 网络的割 | 第25页 |
| ·最大流-最小割定理 | 第25-26页 |
| ·能量最小化理论 | 第26-28页 |
| ·能量函数的构造 | 第27页 |
| ·能量函数的最小化 | 第27-28页 |
| ·四种图割方法 | 第28-29页 |
| ·Graph Cuts | 第28页 |
| ·GCBAC | 第28-29页 |
| ·GrabCut | 第29页 |
| ·Dynamic Graph Cuts | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 Graph Cuts 的图像分割算法与改进实现 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·基于 Graph Cuts 的图像分割算法基本框架 | 第31-32页 |
| ·基于 Graph Cuts 的图像分割算法的设计与实现 | 第32-39页 |
| ·图像分割问题的形式化定义 | 第32页 |
| ·能量函数的选取与设置 | 第32-35页 |
| ·s-t 网络的构造 | 第35-36页 |
| ·最大流-最小割算法的实现选择 | 第36-37页 |
| ·前/背景概率模型的改进 | 第37-38页 |
| ·s-t 网络构造方法的改进 | 第38-39页 |
| ·算法流程 | 第39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 两种融合边界与区域信息的图像分割算法 | 第44-58页 |
| ·引言 | 第44-45页 |
| ·GRABCUT 算法与改进分析 | 第45-48页 |
| ·GrabCut 的分割原理 | 第45-47页 |
| ·GrabCut 的改进分析 | 第47-48页 |
| ·GCBAC 算法与改进分析 | 第48-50页 |
| ·GCBAC 的分割原理 | 第48-49页 |
| ·GCBAC 的改进分析 | 第49-50页 |
| ·融合 GCBAC 和 GRABCUT的交互式图像分割算法 | 第50-51页 |
| ·GCBAC 算法确定目标外边界 | 第50页 |
| ·GrabCut 算法剔除多余区域 | 第50-51页 |
| ·算法流程 | 第51页 |
| ·融合 CANNY和 GRABCUT的商品图像自动分割算法 | 第51-54页 |
| ·Canny 算法与阈值调整 | 第52-53页 |
| ·Canny 算法确定目标外边界 | 第53页 |
| ·算法流程 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 扩展 GRABCUT 的交互式视频分割算法 | 第58-72页 |
| ·引言 | 第58-59页 |
| ·GRABCUT 的实现细节剖析 | 第59-61页 |
| ·GRABCUT 的性能分析 | 第61-63页 |
| ·算法设计 | 第63-66页 |
| ·初始化 GMM 模型 | 第63-64页 |
| ·定位待分割区域 | 第64-65页 |
| ·更新 GMM 参数 | 第65页 |
| ·算法流程 | 第65-66页 |
| ·实验结果与分析 | 第66-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·研究工作总结 | 第72-73页 |
| ·下一步工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |
