图像分割方法研究与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 图像分割研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文研究内容与结构安排 | 第16-18页 |
| 第二章 图像分割方法相关技术 | 第18-31页 |
| 2.1 传统图像分割方法介绍 | 第18-22页 |
| 2.1.1 基于阈值的图像分割方法 | 第18-19页 |
| 2.1.2 基于区域的图像分割方法 | 第19-20页 |
| 2.1.3 基于边缘检测的图像分割方法 | 第20-22页 |
| 2.2 基于聚类的图像分割方法 | 第22-26页 |
| 2.2.1 k均值聚类算法 | 第22-23页 |
| 2.2.2 Mean-shift算法介绍 | 第23-26页 |
| 2.3 基于图论的图像分割方法 | 第26-30页 |
| 2.3.1 图论相关理论介绍 | 第26-28页 |
| 2.3.2 Normalized Cuts方法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于图像显著性检测的图像分割方法 | 第31-49页 |
| 3.1 图像显著性检测算法 | 第31-37页 |
| 3.1.1 图像颜色空间介绍 | 第32-33页 |
| 3.1.2 基于图论的流形排序检测算法 | 第33-37页 |
| 3.2 基于图像显著性的图像分割算法 | 第37-41页 |
| 3.2.1 基于显著性检测的图像分割算法整体结构 | 第37-38页 |
| 3.2.2 基于显著性检测的图像分割算法实现过程 | 第38-41页 |
| 3.3 实验结果与性能分析 | 第41-45页 |
| 3.3.1 实验结果 | 第41-42页 |
| 3.3.2 性能分析 | 第42-45页 |
| 3.4 算法的实际应用 | 第45-47页 |
| 3.4.1 基于视频图像的火灾检测技术 | 第46页 |
| 3.4.2 图像中火焰区域的分割提取 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于活动轮廓模型的图像分割方法 | 第49-64页 |
| 4.1 活动轮廓模型基础知识 | 第49-52页 |
| 4.1.1 水平集方法 | 第49-50页 |
| 4.1.2 水平集方法的数值求解 | 第50-52页 |
| 4.2 活动轮廓模型介绍 | 第52-59页 |
| 4.2.1 活动轮廓模型研究现状 | 第52-53页 |
| 4.2.2 相关活动轮廓模型介绍 | 第53-59页 |
| 4.3 基于图像局部和全局信息的活动轮廓模型 | 第59-61页 |
| 4.3.1 改进的SBGFRLS模型 | 第59-60页 |
| 4.3.2 改进模型的主要实现步骤 | 第60-61页 |
| 4.4 实验结果与分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.1.1 论文主要工作 | 第64页 |
| 5.1.2 论文主要创新点 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
