基于随机游走的图像分割相关算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容和结构安排 | 第14-15页 |
| 第二章 图像分割基础 | 第15-32页 |
| 2.1 基于边缘的图像分割方法 | 第15-22页 |
| 2.1.1 Roberts微分算子 | 第15页 |
| 2.1.2 Sobel微分算子 | 第15-16页 |
| 2.1.3 Prewitt微分算子 | 第16-17页 |
| 2.1.4 Laplacian微分算子 | 第17-18页 |
| 2.1.5 Log微分算子 | 第18页 |
| 2.1.6 Canny算子 | 第18-19页 |
| 2.1.7 多种边缘算子实验结果及分析 | 第19-22页 |
| 2.2 基于区域的图像分割方法 | 第22-25页 |
| 2.2.1 区域生长 | 第22-24页 |
| 2.2.2 区域分裂合并 | 第24-25页 |
| 2.3 基于聚类的图像分割方法 | 第25-28页 |
| 2.3.1 K-means聚类算法 | 第25-26页 |
| 2.3.2 FCM聚类算法 | 第26-27页 |
| 2.3.3 Mean-shift聚类算法 | 第27-28页 |
| 2.4 基于图论的图像分割方法 | 第28-31页 |
| 2.4.1 图的基本理论 | 第29页 |
| 2.4.2 图的分割方法 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 交互式图像分割技术 | 第32-56页 |
| 3.1 基于Graph-Cut的图像分割 | 第32-44页 |
| 3.1.1 Graph-Cut原理 | 第32-35页 |
| 3.1.2 Graph-Cut实验结果 | 第35-38页 |
| 3.1.3 GrabCut原理 | 第38-40页 |
| 3.1.4 GrabCut实验结果 | 第40-41页 |
| 3.1.5 Lazy Snapping原理 | 第41-43页 |
| 3.1.6 Lazy Snapping实验结果 | 第43-44页 |
| 3.2 基于边界的交互式图像分割 | 第44-50页 |
| 3.2.1 Live-Wire原理 | 第45-46页 |
| 3.2.2 Live-Wire实验结果 | 第46-47页 |
| 3.2.3 Active Contour原理 | 第47-50页 |
| 3.2.4 Active Contour实验结果 | 第50页 |
| 3.3 基于区域的交互式图像分割 | 第50-55页 |
| 3.3.1 GrowCut原理 | 第51-52页 |
| 3.3.2 GrowCut实验结果 | 第52-53页 |
| 3.3.3 MSRM原理 | 第53-54页 |
| 3.3.4 MSRM实验结果 | 第54-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 自适应的重启型随机游走 | 第56-68页 |
| 4.1 随机游走理论 | 第56-59页 |
| 4.2 随机游走算法相关理论 | 第59-62页 |
| 4.2.1 边界权值定义 | 第59页 |
| 4.2.2 联合Dirichlet问题 | 第59-61页 |
| 4.2.3 电路理论 | 第61页 |
| 4.2.4 扩散理论 | 第61-62页 |
| 4.3 随机游走理论特性 | 第62-65页 |
| 4.3.1 随机游走算法特性 | 第62-63页 |
| 4.3.2 随机游走抗弱边界性 | 第63-64页 |
| 4.3.3 随机游走抗噪声鲁棒性 | 第64-65页 |
| 4.3.4 随机游走抗模糊区域性 | 第65页 |
| 4.4 重启型随机游走 | 第65-66页 |
| 4.5 自适应的重启型随机游走 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 基于自适应重启型随机游走的交互式图像分割 | 第68-76页 |
| 5.1 传统的随机游走生成模型 | 第68-69页 |
| 5.2 改进的随机游走生成模型 | 第69-71页 |
| 5.3 实验结果及分析 | 第71-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-77页 |
| 6.1 本文总结 | 第76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士期间取得的研究成果 | 第83-84页 |
