图像检索中基于颜色特征的目标分割算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·图像检索的研究背景 | 第9-10页 |
| ·基于内容的图像检索 | 第10-17页 |
| ·CBIR的系统结构 | 第10-12页 |
| ·CBIR技术 | 第12-14页 |
| ·国内外著名CBIR系统 | 第14-16页 |
| ·CBIR的发展趋势 | 第16-17页 |
| ·图像分割的应用 | 第17-18页 |
| ·本文的主要工作和组织结构 | 第18-20页 |
| 第二章 颜色空间和彩色图像分割的方法 | 第20-29页 |
| ·颜色特征空间 | 第20-25页 |
| ·RGB模型 | 第21-22页 |
| ·HSI颜色模型 | 第22-25页 |
| ·彩色图像分割算法 | 第25-29页 |
| ·阈值分割法 | 第25-26页 |
| ·特征空间分类和聚类 | 第26页 |
| ·基于区域生长、分裂与合并 | 第26-27页 |
| ·基于边缘检测 | 第27页 |
| ·基于图论的图像分割技术 | 第27-29页 |
| 第三章 基于Mean Shift的图像分割 | 第29-44页 |
| ·Mean Shift简介 | 第29页 |
| ·无参密度估计理论 | 第29-35页 |
| ·多变量的核函数 | 第33-34页 |
| ·多维空间中的无参密度估计 | 第34-35页 |
| ·Mean Shift原理 | 第35-40页 |
| ·基本Mean Shift向量 | 第35-36页 |
| ·基于核函数扩展的Mean Shift向量 | 第36-38页 |
| ·Mean Shift算法过程 | 第38-40页 |
| ·Mean Shift算法在图像分割中的应用 | 第40-43页 |
| ·Mean Shift平滑 | 第40-41页 |
| ·Mean Shift分割 | 第41-42页 |
| ·算法分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于最大相似度的区域融合 | 第44-50页 |
| ·引言 | 第44页 |
| ·目标与背景标记 | 第44-45页 |
| ·特征表示与相似度计算 | 第45-49页 |
| ·区域融合过程 | 第46-49页 |
| ·融合算法收敛性分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第五章 实验结果与分析 | 第50-63页 |
| ·基于Mean Shift的图像平滑 | 第50-53页 |
| ·基于Mean Shift的图像预分割 | 第53-56页 |
| ·基于最大相似度融合准则的图像分割 | 第56-62页 |
| ·已标注背景区域与未标注区域的合并 | 第56-57页 |
| ·未标注区域的内部合并 | 第57-58页 |
| ·分割效果 | 第58-60页 |
| ·与Graph Cut结果比较 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
