纹理图像中重复纹理元素提取方法研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-20页 |
1.1 研究背景及意义 | 第11-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.3 本文主要研究内容 | 第15-18页 |
1.4 文章组织结构 | 第18页 |
1.5 本章小结 | 第18-20页 |
第二章 基于优化图割模型的图像分割算法 | 第20-26页 |
2.1 引言 | 第20页 |
2.2 基于Graphcut的图割算法 | 第20-23页 |
2.2.1 Graphcut算法 | 第20-21页 |
2.2.2 Grabcut算法 | 第21-23页 |
2.2.3 LazySnapping算法 | 第23页 |
2.3 RepSnapping算法 | 第23-24页 |
2.4 本章小结 | 第24-26页 |
第三章 基于聚类算法的图像预分割 | 第26-35页 |
3.1 引言 | 第26页 |
3.2 常用聚类算法 | 第26-32页 |
3.2.1 K—means聚类算法 | 第26-28页 |
3.2.2 基于高斯混合模型的聚类算法 | 第28-31页 |
3.2.3 均值漂移(Mean Shift)算法 | 第31-32页 |
3.3 图像预处理 | 第32-34页 |
3.4 本章小结 | 第34-35页 |
第四章 多特征融合的重复纹理元素提取 | 第35-49页 |
4.1 引言 | 第35页 |
4.2 图的构建 | 第35-37页 |
4.3 相似性度量公式的建立 | 第37-39页 |
4.3.1 纹理特征度量 | 第37-39页 |
4.3.2 多特征融合的外观相似性度量 | 第39页 |
4.4 纹理图像中的纹理元素提取 | 第39-40页 |
4.5 纹理元素提取算法实验结果分析 | 第40-47页 |
4.5.1 算法操作复杂度分析 | 第41页 |
4.5.2 算法时间效率分析 | 第41-42页 |
4.5.3 算法实验结果图分析 | 第42-46页 |
4.5.4 算法可行性分析 | 第46-47页 |
4.6 本章小结 | 第47-49页 |
第五章 总结与展望 | 第49-51页 |
5.1 工作总结 | 第49页 |
5.2 未来展望 | 第49-51页 |
参考文献 | 第51-55页 |
致谢 | 第55-57页 |
附录A 攻读硕士学位期间发表的学术论文 | 第57-58页 |
附录B 攻读硕士学位期间参与的科研项目 | 第58-59页 |
详细中文摘要 | 第59-63页 |
详细英文摘要 | 第63-67页 |