结合显著性目标检测与图像分割的服饰提取算法研究及实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题的研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 商品图像搜索研究现状 | 第14-15页 |
| 1.2.2 服饰提取研究现状 | 第15-16页 |
| 1.3 本文的主要内容及章节安排 | 第16-18页 |
| 第2章 图像分割与服饰提取的相关技术 | 第18-27页 |
| 2.1 图像分割 | 第18-21页 |
| 2.1.1 图像分割的定义 | 第18-19页 |
| 2.1.2 图像分割的主要方法 | 第19-21页 |
| 2.1.3 图像分割的应用 | 第21页 |
| 2.2 服饰提取相关技术 | 第21-26页 |
| 2.2.1 服饰提取的定义及基本框架 | 第21页 |
| 2.2.2 图像特征描述 | 第21-23页 |
| 2.2.3 服饰图像的属性 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 融合姿势检测的服饰显著性分析 | 第27-43页 |
| 3.1 姿势检测 | 第27-28页 |
| 3.1.1 算法描述 | 第27-28页 |
| 3.1.2 姿势检测示例 | 第28页 |
| 3.2 显著性目标检测 | 第28-33页 |
| 3.2.1 算法介绍 | 第29-31页 |
| 3.2.2 著性目标检测示例 | 第31-33页 |
| 3.3 融合姿势检测的服饰显著性分析 | 第33-36页 |
| 3.3.1 算法框架 | 第34-35页 |
| 3.3.2 改进前后的区域显著图示例 | 第35-36页 |
| 3.3.3 改进前后的服饰显著图示例 | 第36页 |
| 3.4 实验 | 第36-42页 |
| 3.4.1 实验数据集 | 第37-39页 |
| 3.4.2 实验评价方法 | 第39页 |
| 3.4.3 服饰显著性分析算法性能对比 | 第39-41页 |
| 3.4.4 服饰显著性分析算法结果对比 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 结合显著性目标检测与图像分割的服饰提取 | 第43-61页 |
| 4.1 算法概述 | 第43-44页 |
| 4.2 服饰区域初定位 | 第44-46页 |
| 4.3 超像素分割 | 第46-48页 |
| 4.3.1 SLIC算法 | 第46-47页 |
| 4.3.2 算法分割示例 | 第47-48页 |
| 4.4 初步的服饰提取 | 第48-53页 |
| 4.4.1 前/背景高斯混合模型的建立 | 第48-51页 |
| 4.4.2 基于图割原理的分割 | 第51-53页 |
| 4.5 结果修正 | 第53-54页 |
| 4.6 实验 | 第54-60页 |
| 4.6.1 实验数据集 | 第54-55页 |
| 4.6.2 算法性能评价指标 | 第55-56页 |
| 4.6.3 实验结果对比 | 第56-58页 |
| 4.6.4 本文算法结果示例与分析 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第68页 |
