| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 图像编辑研究 | 第9-11页 |
| 1.2.1 图像编辑研究现状 | 第9-10页 |
| 1.2.2 图像编辑研究的困境与不足 | 第10-11页 |
| 1.3 论文的研究内容及创新 | 第11-12页 |
| 1.3.1 论文研究内容 | 第11-12页 |
| 1.3.2 本文的创新点 | 第12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关工作 | 第14-18页 |
| 2.1 图像表示 | 第14页 |
| 2.2 对象检测 | 第14-15页 |
| 2.3 空间方向关系 | 第15页 |
| 2.4 轮廓匹配 | 第15-16页 |
| 2.5 拼图问题 | 第16页 |
| 2.6 本章小结 | 第16-18页 |
| 第三章 基于上下文语义的图像表示ShapeNets | 第18-34页 |
| 3.1 基于BING特征的对象检测 | 第18-22页 |
| 3.1.1 似物性采样相关研究 | 第18-19页 |
| 3.1.2 基于BING特征的对象检测 | 第19-20页 |
| 3.1.3 实验 | 第20-22页 |
| 3.2 基于Canny算子的图像轮廓提取算法 | 第22-23页 |
| 3.3 基于自适应采样粒度模型的空间方向关系模糊描述 | 第23-28页 |
| 3.3.1 自适应采样模型 | 第23-24页 |
| 3.3.2 空间方向关系模糊描述 | 第24页 |
| 3.3.3 基于自适应采样粒度模型的空间方向关系模糊描述 | 第24-27页 |
| 3.3.4 实验与分析 | 第27-28页 |
| 3.4 构建ShapeNets模型 | 第28-29页 |
| 3.4.1 节点和边 | 第28-29页 |
| 3.4.2 层次结构 | 第29页 |
| 3.4.3 图的构建 | 第29页 |
| 3.5 Shape Nets模型应用 | 第29-33页 |
| 3.5.1 图像匹配 | 第29-30页 |
| 3.5.2 图像缩放 | 第30-32页 |
| 3.5.3 图像分析和理解 | 第32页 |
| 3.5.4 行为理解 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于上下文语义的图像拼接 | 第34-40页 |
| 4.1 超像素分割 | 第34-36页 |
| 4.2 上下文显著性 | 第36-37页 |
| 4.3 显著能量传播 | 第37-38页 |
| 4.4 实验 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40-41页 |
| 5.2 展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 硕士期间发表论文及科研成果 | 第46-47页 |
| 致谢 | 第47页 |
