| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-19页 |
| 1.2.1 交互式图像分割研究现状 | 第12-17页 |
| 1.2.2 鞋印花纹提取技术研究现状 | 第17-19页 |
| 1.3 存在的问题及发展趋势 | 第19-20页 |
| 1.4 本文的主要工作和章节安排 | 第20-23页 |
| 1.4.1 主要工作内容 | 第20-21页 |
| 1.4.2 本文章节安排 | 第21-23页 |
| 第2章 交互式现场鞋印花纹提取算法总体思路 | 第23-31页 |
| 2.1 引言 | 第23-24页 |
| 2.2 案发现场鞋印图像特性分析 | 第24-26页 |
| 2.3 现场鞋印花纹提取算法总体思路 | 第26-27页 |
| 2.4 测试数据与评测方法 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于方向场的区域合并算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 相关工作 | 第31-34页 |
| 3.2.1 超像素分割的研究现状 | 第31-32页 |
| 3.2.2 方向场的构建 | 第32-34页 |
| 3.3 基于方向场的区域合并算法描述 | 第34-38页 |
| 3.3.1 区域相似度测量 | 第35页 |
| 3.3.2 鞋印花纹图像特征 | 第35-37页 |
| 3.3.3 算法描述 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-41页 |
| 3.4.1 超像素参数对图像分割的影响 | 第38-40页 |
| 3.4.2 公共数据集的实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于kNN的交互式图像分割修正优化算法 | 第43-57页 |
| 4.1 引言 | 第43-45页 |
| 4.2 相关工作 | 第45-47页 |
| 4.2.1 MSRM算法原理 | 第45-46页 |
| 4.2.2 MSRM算法研究现状 | 第46-47页 |
| 4.3 基于可kNN的交互式图像分割修正优化算法 | 第47-52页 |
| 4.3.1 算法原理 | 第47-49页 |
| 4.3.2 算法描述 | 第49-52页 |
| 4.4 实验结果与分析 | 第52-55页 |
| 4.4.1 基于kNN的交互式图像分割修正优化结果 | 第52-53页 |
| 4.4.2 公共数据集的实验结果与分析 | 第53-54页 |
| 4.4.3 鞋印数据集的实验结果与分析 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 基于多尺度形态学的图像增强算法 | 第57-71页 |
| 5.1 引言 | 第57页 |
| 5.2 相关工作 | 第57-61页 |
| 5.2.1 光照校正相关研究 | 第57-59页 |
| 5.2.2 多尺度Top-hat算法 | 第59-61页 |
| 5.3 基于多尺度形态学的图像增强算法 | 第61-63页 |
| 5.3.1 算法原理 | 第61-62页 |
| 5.3.2 算法描述 | 第62-63页 |
| 5.4 实验结果及分析 | 第63-69页 |
| 5.4.1 后处理有效性验证 | 第63-65页 |
| 5.4.2 参数对本算法的影响 | 第65-67页 |
| 5.4.3 本算法与其他算法对比 | 第67-68页 |
| 5.4.4 本文算法结果 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 本文主要工作总结 | 第71-72页 |
| 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78页 |