| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| ·问题的提出 | 第10-13页 |
| ·本领域研究现状 | 第13-16页 |
| ·复杂场景目标分割与检测 | 第13-14页 |
| ·基于多层信息相结合的复杂场景处理方法 | 第14-15页 |
| ·形状信息在当前目标识别研究中的地位 | 第15-16页 |
| ·本文贡献 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第二章 自然图像的边界检测 | 第18-28页 |
| ·边缘检测 | 第18-20页 |
| ·基于多种局部特征的轮廓提取算法 | 第20-25页 |
| ·自然图像中目标边界的局部特征 | 第20-22页 |
| ·Global Probabilistic Boundary (gP b )边界检测算子 | 第22-25页 |
| ·实验结果 | 第25-28页 |
| 第三章 显著性轮廓提取 | 第28-43页 |
| ·显著性特征的视觉基础 | 第29-30页 |
| ·基于Ratio Contour 算法的显著性轮廓提取 | 第30-32页 |
| ·基于邻域投票的边缘抑制算法 | 第32-36页 |
| ·实验结果 | 第36-43页 |
| 第四章 形状模型指导下的目标轮廓提取 | 第43-62页 |
| ·形状对于目标检测的重要性 | 第43-44页 |
| ·形状信息在目标提取中的使用 | 第44页 |
| ·基于形状模型指导的轮廓选择算法 | 第44-55页 |
| ·基于直线段的形状表示模型 | 第44-46页 |
| ·轮廓段连接网络的构造 | 第46-48页 |
| ·局部相似度评估 | 第48-52页 |
| ·动态轮廓段连接网络的构建 | 第52-54页 |
| ·基于深度优先搜索的轮廓提取 | 第54-55页 |
| ·实验结果 | 第55-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·本文研究工作总结 | 第62页 |
| ·存在的问题和研究工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者在学期间取得的学术成果 | 第70页 |