| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第17-31页 |
| 1.1 研究背景与研究意义 | 第17-19页 |
| 1.2 图像分割研究概述 | 第19-24页 |
| 1.2.1 基于图论的图像分割方法 | 第19-20页 |
| 1.2.2 基于活动轮廓模型的方法 | 第20-21页 |
| 1.2.3 基于低秩表示的分割方法 | 第21-22页 |
| 1.2.4 基于交互式的分割算法 | 第22-23页 |
| 1.2.5 基于类别信息的图像分割方法 | 第23-24页 |
| 1.2.6 基于深度学习的分割方法 | 第24页 |
| 1.3 图像分割算法评价 | 第24-27页 |
| 1.3.1 图像分割算法评价指标 | 第24-26页 |
| 1.3.2 图像分割数据库介绍 | 第26-27页 |
| 1.4 本文研究工作概述 | 第27-28页 |
| 1.5 论文的组织结构 | 第28-31页 |
| 2 基于非一致性因子的活动轮廓图像分割算法 | 第31-53页 |
| 2.1 引言 | 第31-34页 |
| 2.2 嵌入非一致性因子活动轮廓模型 | 第34-38页 |
| 2.2.1 像素非一致性因子 | 第34-35页 |
| 2.2.2 基于非一致性因子的局部函数 | 第35-36页 |
| 2.2.3 基于颜色的全局能量函数 | 第36-37页 |
| 2.2.4 基于非一致性因子的活动轮廓模型 | 第37-38页 |
| 2.3 最小化InH_ACM | 第38-40页 |
| 2.4 基于显著性技术的初始轮廓 | 第40-41页 |
| 2.5 实验 | 第41-50页 |
| 2.5.1 数据库 | 第41-43页 |
| 2.5.2 初始轮廓的有效性 | 第43页 |
| 2.5.3 在多个数据库上的实验结果与分析 | 第43-47页 |
| 2.5.4 参数设定 | 第47-49页 |
| 2.5.5 PIF与LBP的比较 | 第49页 |
| 2.5.6 算法的时间复杂度 | 第49-50页 |
| 2.6 本章小结 | 第50-53页 |
| 3 基于结构低秩表示的图像分割算法 | 第53-69页 |
| 3.1 引言 | 第53-54页 |
| 3.2 基于结构低秩表示的分割算法 | 第54-59页 |
| 3.2.1 基于矩阵的低秩表示 | 第54-56页 |
| 3.2.2 分割结果对应超像素的标签 | 第56-57页 |
| 3.2.3 基于结构低秩表示的相似性学习 | 第57-58页 |
| 3.2.4 最终结果的生成 | 第58-59页 |
| 3.2.5 与LRR的联系 | 第59页 |
| 3.3 优化过程 | 第59-61页 |
| 3.4 实验 | 第61-68页 |
| 3.4.1 实验设置 | 第61-62页 |
| 3.4.2 在MSRC数据库上的实验结果与分析 | 第62-65页 |
| 3.4.3 在Alpert's数据库上的实验结果与分析 | 第65-67页 |
| 3.4.4 在Berkeley数据库上的实验结果与分析 | 第67-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 基于双稀疏重构的图像分割算法 | 第69-85页 |
| 4.1 引言 | 第69-71页 |
| 4.2 基于双稀疏重构的图像分割算法 | 第71-78页 |
| 4.2.1 背景重构 | 第71-72页 |
| 4.2.2 分割重构 | 第72-74页 |
| 4.2.3 双稀疏重构 | 第74-75页 |
| 4.2.4 基于区域合并的置信度图像 | 第75-76页 |
| 4.2.5 优化过程 | 第76-77页 |
| 4.2.6 复杂度和收敛性分析 | 第77-78页 |
| 4.3 实验 | 第78-83页 |
| 4.3.1 在GrabCut-50数据库上的实验结果与分析 | 第78-81页 |
| 4.3.2 在PASCAL VOC数据库上的实验结果与分析 | 第81-83页 |
| 4.4 本章小结 | 第83-85页 |
| 5 基于非监督鉴别形状的图像分割算法 | 第85-103页 |
| 5.1 引言 | 第85-86页 |
| 5.2 非监督鉴别形状的目标分割方法 | 第86-93页 |
| 5.2.1 特定类的置信度图像 | 第86-87页 |
| 5.2.2 非监督鉴别聚类 | 第87-90页 |
| 5.2.3 基于UDS的分割算法 | 第90-93页 |
| 5.3 实验 | 第93-101页 |
| 5.3.1 在MSRC数据库上的实验结果与分析 | 第93页 |
| 5.3.2 在Object Discovery数据库上的实验结果与分析 | 第93-95页 |
| 5.3.3 在Fashionista数据库上的实验结果与分析 | 第95页 |
| 5.3.4 在PASCAL VOC数据库上的实验结果与分析 | 第95-96页 |
| 5.3.5 本章分割算法的验证实验 | 第96-98页 |
| 5.3.6 基于Fast R-CNN的CCM | 第98-100页 |
| 5.3.7 与最优的基于CNNs的分割算法比较 | 第100-101页 |
| 5.3.8 UDC算法的时间复杂度 | 第101页 |
| 5.4 本章小结 | 第101-103页 |
| 6 结束语 | 第103-105页 |
| 致谢 | 第105-107页 |
| 参考文献 | 第107-121页 |
| 附录 | 第121-122页 |
