基于自适应SLIC的标准人体图像谱聚类分割和测量
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 图像分割研究现状 | 第10-11页 |
| 1.2.2 人体三维数据拟合研究现状 | 第11-12页 |
| 1.3 论文主要工作及结构安排 | 第12-14页 |
| 1.3.1 论文主要工作 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 第二章 相关理论介绍 | 第14-31页 |
| 2.1 图像预处理算法 | 第14-18页 |
| 2.1.1 彩色图像去光照 | 第14-15页 |
| 2.1.2 图像的灰度化 | 第15-16页 |
| 2.1.3 图像去噪 | 第16-18页 |
| 2.2 图像分割算法 | 第18-27页 |
| 2.2.1 基于像素聚类的分割方法 | 第18-20页 |
| 2.2.2 基于图论的分割方法 | 第20-24页 |
| 2.2.3 基于深度学习框架的分割方法 | 第24-27页 |
| 2.3 数据拟合算法 | 第27-30页 |
| 2.3.1 人体各部位轮廓近似曲线 | 第27-28页 |
| 2.3.2 最小二乘法回归分析 | 第28-29页 |
| 2.3.3 BP神经网络 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 人体图像分割和特征点提取 | 第31-59页 |
| 3.1 自适应SLIC算法超像素块分割 | 第31-36页 |
| 3.1.1 SLIC算法的不足 | 第31-32页 |
| 3.1.2 自适应SLIC算法 | 第32-35页 |
| 3.1.3 实验比较及结果分析 | 第35-36页 |
| 3.2 基于融合人体模板的谱聚类图像分割 | 第36-47页 |
| 3.2.1 制作人体平均模板 | 第37-40页 |
| 3.2.2 融合人体模板的谱聚类分割 | 第40-44页 |
| 3.2.3 实验比较及结果分析 | 第44-47页 |
| 3.3 基于人体轮廓线的ASM特征点提取 | 第47-58页 |
| 3.3.1 传统ASM特征点提取算法 | 第47-50页 |
| 3.3.2 传统ASM算法的不足 | 第50-51页 |
| 3.3.3 改进的ASM搜索策略 | 第51-55页 |
| 3.3.4 实验比较及结果分析 | 第55-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 人体关键部位尺寸测量 | 第59-67页 |
| 4.1 人体尺寸拟合 | 第59-63页 |
| 4.1.1 获取人体二维体型数据 | 第59-60页 |
| 4.1.2 使用回归方程进行三维数据拟合 | 第60-62页 |
| 4.1.3 使用BP神经网络进行三维数据拟合 | 第62-63页 |
| 4.2 实验结果与分析 | 第63-65页 |
| 4.3 本章小结 | 第65-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 5.1 研究工作总结 | 第67页 |
| 5.2 研究工作展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75页 |
