| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-31页 |
| ·图像分割问题及其研究意义 | 第15-16页 |
| ·图像分割研究与发展现状 | 第16-28页 |
| ·早期灰度图像分割 | 第19页 |
| ·非监督图像分割技术 | 第19-21页 |
| ·监督图像分割 | 第21-24页 |
| ·人工交互式图像分割 | 第24-25页 |
| ·基于深度图的图像分割 | 第25-28页 |
| ·本文的研究内容 | 第28-29页 |
| ·本文的结构安排 | 第29-31页 |
| 第二章 常用图像分割算法、分割评价与深度图获取介绍 | 第31-61页 |
| ·常用图像分割算法 | 第31-39页 |
| ·均值漂移算法(Mean Shift) | 第31-36页 |
| ·基于图的区域合并图像分割算法 | 第36-38页 |
| ·Normalized Cuts图像分割算法 | 第38-39页 |
| ·图像分割评价 | 第39-41页 |
| ·区域特征描述 | 第41-52页 |
| ·区域颜色特征 | 第42-46页 |
| ·颜色直方图 | 第42-45页 |
| ·高斯混合模型(GMM) | 第45-46页 |
| ·稠密特征表达 | 第46-51页 |
| ·滤波器组(Filter banks) | 第48页 |
| ·类哈尔滤波器(Harr-like filters) | 第48-49页 |
| ·HOG描述子 | 第49页 |
| ·低层特征量化 | 第49-50页 |
| ·Textons | 第50-51页 |
| ·场景表面法向量分布 | 第51-52页 |
| ·常见深度图获取算法及数据集 | 第52-58页 |
| ·立体匹配技术 | 第53-54页 |
| ·Kinect及室内RGBD数据集 | 第54-56页 |
| ·单眼视觉深度恢复技术 | 第56-58页 |
| ·常用的机器学习算法介绍 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第三章 结合深度和颜色信息的图像物体分割算法 | 第61-77页 |
| ·引言 | 第61-63页 |
| ·稠密深度估计及深度图不连续边缘检测 | 第63-77页 |
| ·概率图融合修正深度边缘概率图 | 第63-64页 |
| ·深度不连续边缘提取 | 第64-65页 |
| ·边缘概率图检测算法与深度图边缘概率图检测的合理性 | 第65-66页 |
| ·图像过分割与种子区域选取 | 第66-68页 |
| ·图割(Graph Cuts)算法分配标签及区域融合 | 第68-72页 |
| ·实验结果及分析 | 第72-74页 |
| ·本章小结 | 第74-77页 |
| 第四章 基于深度图的支撑分析与图像分割 | 第77-95页 |
| ·研究动机 | 第77-80页 |
| ·深度图的获取 | 第80-81页 |
| ·支撑区域抽取 | 第81-85页 |
| ·彩色图像过分割 | 第82页 |
| ·平面拟合,提取支撑区域 | 第82-84页 |
| ·室外场景支撑区域抽取 | 第84-85页 |
| ·深度图像分割 | 第85-86页 |
| ·支撑区域分割与非支撑区域分割合并 | 第86-87页 |
| ·彩色图像分割与深度分割融合 | 第87-88页 |
| ·实验结果与分析 | 第88-93页 |
| ·本章小结 | 第93-95页 |
| 第五章 基于深度的场景几何分布与图像分割 | 第95-111页 |
| ·研究动机 | 第95-97页 |
| ·场景几何结构特征 | 第97-101页 |
| ·颜色外观特征 | 第97-98页 |
| ·深度特征 | 第98-101页 |
| ·场景几何结构分类 | 第101-103页 |
| ·超像素 | 第101-102页 |
| ·分割学习 | 第102-103页 |
| ·分割块的几何结构分类 | 第103页 |
| ·实验结果与分析 | 第103-107页 |
| ·基于几何结构的图像分割 | 第107-108页 |
| ·本章小结 | 第108-111页 |
| 第六章 总结与展望 | 第111-115页 |
| ·论文工作总结 | 第111-113页 |
| ·研究工作展望 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 致谢 | 第125-127页 |
| 在读期间的论文发表 | 第127页 |
