| 提要 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第2章 超像素概念及算法发展简述 | 第19-36页 |
| 2.1 超像素概念及生成算法概述 | 第19-23页 |
| 2.2 超像素生成算法评价标准 | 第23-27页 |
| 2.2.1 直观及实用角度评价标准 | 第23-24页 |
| 2.2.2 定量评价标准 | 第24-27页 |
| 2.3 超像素生成算法发展现状及综述 | 第27-34页 |
| 2.4 超像素生成算法分类 | 第34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 改进的 LCELLS 超像素生成算法 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 相关原理 | 第36-39页 |
| 3.2.1 基于 EWCVT-LNN 的超像素生成算法 | 第36-39页 |
| 3.3 改进算法流程 | 第39-43页 |
| 3.3.1 Lab-xy 空间距离计算 | 第39-41页 |
| 3.3.2 局部梯度信息 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-47页 |
| 3.4.1 图像数据库 | 第43-44页 |
| 3.4.2 实验环境 | 第44页 |
| 3.4.3 实验结果与分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 改进的基于 LCELLS 超像素的 GRAPH CUTS 图像分割算法 | 第48-63页 |
| 4.1 引言 | 第48-49页 |
| 4.2 算法背景与发展 | 第49页 |
| 4.3 相关原理 | 第49-57页 |
| 4.3.1 网络流及其优化 | 第49-51页 |
| 4.3.2 基于 Graph Cuts 的图像分割算法 | 第51-56页 |
| 4.3.3 基于超像素的 Graph Cuts 图像分割算法 | 第56-57页 |
| 4.4 改进算法流程详述 | 第57-60页 |
| 4.5 实验结果与分析 | 第60-62页 |
| 4.5.1 图像数据库 | 第60页 |
| 4.5.2 实验环境 | 第60页 |
| 4.5.3 实验结果与分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-64页 |
| 5.1 工作总结 | 第63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 作者简介及在学期间所取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
