| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 概率图模型与交互式图像分割 | 第15-17页 |
| 1.2.2 显著性目标检测 | 第17-19页 |
| 1.2.3 显著性目标分割 | 第19-20页 |
| 1.2.4 多区域自动图像分割 | 第20-21页 |
| 1.2.5 多分割结果融合 | 第21页 |
| 1.3 本文组织结构 | 第21-26页 |
| 第二章 基于随机场模型的交互式目标分割算法 | 第26-54页 |
| 2.1 引言 | 第26页 |
| 2.2 分割特征 | 第26-28页 |
| 2.2.1 颜色信息特征 | 第26-27页 |
| 2.2.2 位置信息特征 | 第27-28页 |
| 2.3 基于条件随机场的分割模型 | 第28-31页 |
| 2.4 迭代特征学习与分割 | 第31-40页 |
| 2.4.1 基于分块训练的随机场参数学习算法 | 第31-35页 |
| 2.4.2 利用主动学习进行迭代分割 | 第35-40页 |
| 2.5 实验结果与分析 | 第40-52页 |
| 2.5.1 CRF模型参数学习策略评估 | 第40-42页 |
| 2.5.2 分割结果的定量评估 | 第42-45页 |
| 2.5.3 伯克利分割数据库上分割结果 | 第45-47页 |
| 2.5.4 迭代分割框架 | 第47-49页 |
| 2.5.5 通过交互引导来改进分割精度 | 第49-51页 |
| 2.5.6 医学图像分割 | 第51-52页 |
| 2.6 本章小结 | 第52-54页 |
| 第三章 基于随机场模型的自动目标分割算法 | 第54-84页 |
| 3.1 引言 | 第54-56页 |
| 3.2 分割的初始化 ? 显著性目标检测 | 第56-76页 |
| 3.2.1 结合自适应分簇的分割算法 | 第56-60页 |
| 3.2.2 区域排序与显著性目标定位 | 第60-64页 |
| 3.2.3 贝叶斯显著目标检测算法 | 第64页 |
| 3.2.4 目标检测实验结果 | 第64-76页 |
| 3.3 基于随机场模型的自动目标分割算法 | 第76-82页 |
| 3.3.1 分割初始标识提取 | 第76-80页 |
| 3.3.2 基于随机场的自动目标分割模型 | 第80-81页 |
| 3.3.3 自动目标分割实验结果 | 第81-82页 |
| 3.4 本章小结 | 第82-84页 |
| 第四章 基于多层图结构的的目标检测与分割算法 | 第84-110页 |
| 4.1 引言 | 第84-86页 |
| 4.2 利用区域聚合分簇的分割算法 | 第86-88页 |
| 4.2.1 分割库构造 | 第86-87页 |
| 4.2.2 区域聚合分簇 | 第87-88页 |
| 4.2.3 全局图像结构信息提取 | 第88页 |
| 4.3 初始显著目标区域定位 | 第88-90页 |
| 4.3.1 初始区域定位 | 第89-90页 |
| 4.3.2 基于重叠率的先验概率 | 第90页 |
| 4.4 基于单层图结构的显著目标检测与分割 | 第90-93页 |
| 4.4.1 显著信息传递 | 第90-92页 |
| 4.4.2 显著目标检测模型 | 第92-93页 |
| 4.5 基于多层图结构的显著目标检测与分割 | 第93-97页 |
| 4.5.1 多层图构建 | 第94页 |
| 4.5.2 基于多层图结构的非参数学习模型 | 第94-97页 |
| 4.6 实验结果与分析 | 第97-109页 |
| 4.6.1 MSRA-1000数据库上实验结果 | 第98-99页 |
| 4.6.2 Berkley-300数据库上的实验结果 | 第99-100页 |
| 4.6.3 初始显著性目标区域定位策略评估 | 第100-102页 |
| 4.6.4 基于区域聚合分簇的分割算法评估 | 第102-108页 |
| 4.6.5 算法运行时间分析 | 第108-109页 |
| 4.7 本章小结 | 第109-110页 |
| 第五章 基于图扩散的多目标分割算法 | 第110-134页 |
| 5.1 引言 | 第110-111页 |
| 5.2 基于图扩散的检测与分割 | 第111-116页 |
| 5.2.1 图扩散模型 | 第111-113页 |
| 5.2.2 利用图扩散的显著性目标检测 | 第113-114页 |
| 5.2.3 基于图扩散的目标分割 | 第114-116页 |
| 5.3 多目标区域定位 | 第116-119页 |
| 5.3.1 利用目标先验的图像信息提取 | 第116-117页 |
| 5.3.2 利用颜色特征的图像信息提取 | 第117-119页 |
| 5.3.3 多目标定位及种子点选择 | 第119页 |
| 5.4 多标号分割模型 | 第119-120页 |
| 5.5 结合多层图结构的多分割结果聚合 | 第120-123页 |
| 5.5.1 二向图的构建 | 第120-121页 |
| 5.5.2 分割结果聚合 | 第121-123页 |
| 5.6 实验结果与分析 | 第123-131页 |
| 5.6.1 显著性模型评估 | 第123-125页 |
| 5.6.2 多区域分割结果评估 | 第125-128页 |
| 5.6.3 分割组合的作用评估 | 第128-130页 |
| 5.6.4 算法运行时间分析 | 第130-131页 |
| 5.7 本章小结 | 第131-134页 |
| 第六章 分割算法在医学图像分析中的应用 | 第134-154页 |
| 6.1 引言 | 第134-136页 |
| 6.2 相关算法介绍 | 第136-139页 |
| 6.2.1 基于局部区域的水平集算法 | 第137-138页 |
| 6.2.2 基于图的分割算法 | 第138-139页 |
| 6.3 利用精确肝脏区域定位的三维分割算法 | 第139-149页 |
| 6.3.1 分割算法框架 | 第139-141页 |
| 6.3.2 初始肝脏目标生成 | 第141-142页 |
| 6.3.3 分割结果的传递与分割顺序 | 第142-143页 |
| 6.3.4 实验结果与分析 | 第143-149页 |
| 6.4 多目标分割算法在牙齿分割上的应用 | 第149-152页 |
| 6.5 本章小结 | 第152-154页 |
| 第七章 总结与展望 | 第154-158页 |
| 7.1 工作总结 | 第154-156页 |
| 7.2 课题研究展望 | 第156-158页 |
| 参考文献 | 第158-174页 |
| 致谢 | 第174-176页 |
| 攻读博士学位期间发表的学术论文 | 第176-178页 |
| 攻读博士学位期间参与的科研项目 | 第178页 |