基于导向滤波的高精度目标分割算法
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 引言 | 第9-11页 |
| 1.2 图像分割定义 | 第11-12页 |
| 1.2.1 图像的获取 | 第11页 |
| 1.2.2 图像分割的定义 | 第11-12页 |
| 1.3 本文的主要贡献 | 第12-13页 |
| 1.3.1 导向滤波算法分析 | 第12页 |
| 1.3.2 HMSRM算法 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 最大相似度目标分割算法 | 第14-26页 |
| 2.1 引言 | 第14-15页 |
| 2.2 最大相似度区域合并 | 第15-18页 |
| 2.2.1 区域展现和相似性度量 | 第15-16页 |
| 2.2.2 目标和背景标记 | 第16页 |
| 2.2.3 合并规则 | 第16-17页 |
| 2.2.4 合并过程 | 第17-18页 |
| 2.3 MSRM算法 | 第18-19页 |
| 2.4 实验及分析 | 第19-25页 |
| 2.4.1 分割算法对比 | 第19-22页 |
| 2.4.2 MSRM算法的缺陷 | 第22-23页 |
| 2.4.3 边缘检测 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 导向滤波 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 双边滤波器 | 第27-29页 |
| 3.2.1 双边滤波器理论 | 第27页 |
| 3.2.2 双边滤波器算法 | 第27-28页 |
| 3.2.3 双边滤波器逆转影 | 第28-29页 |
| 3.3 导向滤波器算法 | 第29-34页 |
| 3.3.1 导向滤波器的定义 | 第29-30页 |
| 3.3.2 导向滤波器核 | 第30-31页 |
| 3.3.3 导向滤波器的平滑特性 | 第31-32页 |
| 3.3.4 导向滤波器梯度保留特性 | 第32-33页 |
| 3.3.5 导向滤波器在彩色图像上的适用性 | 第33页 |
| 3.3.6 计算效率 | 第33-34页 |
| 3.4 实验结果与讨论 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 HMSRM算法 | 第40-58页 |
| 4.1 引言 | 第40-41页 |
| 4.2 数据和方法 | 第41-44页 |
| 4.2.1 增强图像分割结果分析 | 第41-43页 |
| 4.2.2 图像特征快提取 | 第43-44页 |
| 4.2.3 带宽的确定 | 第44页 |
| 4.3 HMSRM算法的分割结果与讨论 | 第44-57页 |
| 4.3.1 均值漂移算法 | 第44-46页 |
| 4.3.2 改进的K均值聚类算法 | 第46-48页 |
| 4.3.3 改进的K均值聚类算法实现效率 | 第48-54页 |
| 4.3.4 采用HMSRM算法目标分割结果 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 本文展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在学期间的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
