| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-27页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-24页 |
| 1.3 主要工作及章节安排 | 第24-27页 |
| 2 基于局部高斯混合模型的超像素分割方法 | 第27-62页 |
| 2.1 引言 | 第27-28页 |
| 2.2 传统高斯混合模型 | 第28页 |
| 2.3 局部高斯混合模型及标签判别方法 | 第28-32页 |
| 2.4 局部高斯混合模型中未知参数的估计算法 | 第32-43页 |
| 2.5 本章算法的步骤与时间复杂度分析 | 第43-47页 |
| 2.6 实验与分析 | 第47-61页 |
| 2.7 本章小结 | 第61-62页 |
| 3 基于局部高斯混合模型和序列时间关联的超像素分割方法 | 第62-80页 |
| 3.1 引言 | 第62-63页 |
| 3.2 考虑时间关联的局部高斯混合模型 | 第63-67页 |
| 3.3 考虑序列时间关联的局部高斯混合模型的参数估计算法 | 第67-72页 |
| 3.4 本章算法的步骤与时间复杂度分析 | 第72-73页 |
| 3.5 实验与分析 | 第73-79页 |
| 3.6 本章小结 | 第79-80页 |
| 4 基于GPU的并行线性谱聚类实现算法 | 第80-97页 |
| 4.1 引言 | 第80页 |
| 4.2 线性谱聚类算法 | 第80-82页 |
| 4.3 基于GPU的并行线性谱聚类方法 | 第82-88页 |
| 4.4 实验与分析 | 第88-96页 |
| 4.5 本章小结 | 第96-97页 |
| 5 基于GPU的局部高斯混合模型方法的快速实现方法 | 第97-115页 |
| 5.1 引言 | 第97-98页 |
| 5.2 GPU上GMMSP的快速实现方法 | 第98-105页 |
| 5.3 实验与分析 | 第105-114页 |
| 5.4 本章小结 | 第114-115页 |
| 6 总结与展望 | 第115-119页 |
| 6.1 工作总结 | 第115-117页 |
| 6.2 主要创新点 | 第117页 |
| 6.3 工作展望 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-131页 |
| 附录1 攻读学位期间论文发表目录 | 第131-132页 |
| 附录2 已发表学术论文与博士学位论文的关系 | 第132-133页 |
| 附录3 攻读博士学位期间参与的科研项目 | 第133页 |
