| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 图像分割方法及研究现状 | 第9-12页 |
| 1.3 超像素生成算法的发展及研究现状 | 第12-13页 |
| 1.4 本文研究的内容安排 | 第13-14页 |
| 2 基于超像素生成算法的图像分割原理 | 第14-27页 |
| 2.1 超像素生成算法原理 | 第14-15页 |
| 2.2 基于梯度方法的超像素生成算法 | 第15-18页 |
| 2.2.1 Mean-Shift超像素生成算法 | 第15-17页 |
| 2.2.2 Watershed超像素生成算法 | 第17-18页 |
| 2.3 基于简单聚类方法的超像素生成算法 | 第18-22页 |
| 2.3.1 Turbo-pixel超像素分割原理 | 第18-20页 |
| 2.3.2 SLIC超像素分割原理 | 第20-22页 |
| 2.4 图像的超像素网格计算策略 | 第22-25页 |
| 2.4.1 根据生成边缘图初始化种子点 | 第23页 |
| 2.4.2 种子点的重新定位 | 第23-24页 |
| 2.4.3 种子点的连接 | 第24-25页 |
| 2.5 超像素合并算法策略 | 第25-27页 |
| 3 基于改进Watershed超像素区域合并的彩色服装图像分割 | 第27-37页 |
| 3.1 基于改进Watershed超像素生成算法 | 第27-30页 |
| 3.1.1 图像修复处理 | 第27-28页 |
| 3.1.2 彩色Watershed梯度 | 第28-29页 |
| 3.1.3 数学形态学处理 | 第29-30页 |
| 3.2 区域合并策略 | 第30-31页 |
| 3.3 基于改进Watershed超像素的区域合并算法 | 第31-32页 |
| 3.4 实验结果分析 | 第32-36页 |
| 3.4.1 定性分析 | 第32-35页 |
| 3.4.2 定量分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于改进超像素生成的医学图像分割算法 | 第37-52页 |
| 4.1 引言 | 第37-38页 |
| 4.2 改进的SLIC超像素生成算法 | 第38-42页 |
| 4.2.1 基于L~*a~*b~*颜色空间的边缘检测梯度 | 第38-40页 |
| 4.2.2 改进的SLIC超像素生成算法 | 第40-42页 |
| 4.3 改进的超像素生成框架 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-44页 |
| 4.5 ISG_MSRM在医学图像中的应用研究 | 第44-51页 |
| 4.5.1 医学应用背景介绍 | 第44-45页 |
| 4.5.2 算法性能评估 | 第45-49页 |
| 4.5.3 医学图像分割技术的评估 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录A 本文作者在攻读硕士学位期间发表的论文 | 第58-59页 |
| 致谢 | 第59页 |
