摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 引言 | 第11-12页 |
1.2 图像分割的研究现状 | 第12-14页 |
1.3 本文主要贡献与创新 | 第14页 |
1.4 本论文的结构安排 | 第14-16页 |
第二章 图像分割相关算法研究 | 第16-24页 |
2.1 图像分割的理论基础 | 第16-17页 |
2.2 图像分割的方法 | 第17-23页 |
2.2.1 基于边缘(edge)的分割方法 | 第18-19页 |
2.2.2 基于阈值(threshold)的分割方法 | 第19-22页 |
2.2.2.1 直方图技术 | 第20-21页 |
2.2.2.2 最大类间方差法 | 第21-22页 |
2.2.3 基于区域(region)的分割方法 | 第22-23页 |
2.3 本章小结 | 第23-24页 |
第三章 稠密匹配相关算法研究 | 第24-42页 |
3.1 传统的稠密匹配算法 | 第24-29页 |
3.1.1 立体匹配法Stereo | 第24-26页 |
3.1.1.1 立体匹配算法原理 | 第25-26页 |
3.1.1.2 立体匹配算法分类 | 第26页 |
3.1.2 Optical flow算法 | 第26-29页 |
3.1.2.1 能量方程 | 第27-28页 |
3.1.2.2 Optical flow的应用 | 第28-29页 |
3.2 SIFT Flow算法 | 第29-33页 |
3.2.1 SIFT描述子和可视化 | 第29-31页 |
3.2.2 能量方程 | 第31页 |
3.2.3 SIFT Flow算法和实验 | 第31-33页 |
3.3 PatchMatch算法 | 第33-37页 |
3.3.1 PatchMatch基本原理 | 第34页 |
3.3.2 PatchMatch算法实现 | 第34-36页 |
3.3.3 PatchMatch实验和分析 | 第36-37页 |
3.4 Deformable Spatial Pyramid算法 | 第37-40页 |
3.4.1 DSP基本原理 | 第37-38页 |
3.4.2 DSP匹配目标 | 第38-40页 |
3.4.2.1 固定尺度匹配目标 | 第38-39页 |
3.4.2.2 多尺度扩展匹配目标 | 第39-40页 |
3.4.2.3 两种尺度模型实验对比 | 第40页 |
3.5 稠密匹配算法比较 | 第40-41页 |
3.6 本章小结 | 第41-42页 |
第四章 基于稠密匹配的GrabCut-Like分割算法 | 第42-59页 |
4.1 理论基础 | 第42-46页 |
4.1.1 高斯混合模型(GMM) | 第42-44页 |
4.1.2 EM算法 | 第44-46页 |
4.2 分割算法模型 | 第46-58页 |
4.2.1 建立Dense Correspondence | 第46-50页 |
4.2.1.1 基于加权SIFT Flow计算稠密匹配 | 第47-49页 |
4.2.1.2 基于DSP模型计算稠密匹配 | 第49-50页 |
4.2.2 改进的多warp稠密匹配 | 第50-54页 |
4.2.2.1 图像归一化处理 | 第50-53页 |
4.2.2.2 改进后的warp结果 | 第53-54页 |
4.2.3 基于高斯混合模型的分割 | 第54-58页 |
4.2.3.1 GMM在GrabCut算法中的应用 | 第54-56页 |
4.2.3.2 GrabCut-Like分割算法 | 第56-58页 |
4.3 本章小结 | 第58-59页 |
第五章 实验结果及应用 | 第59-73页 |
5.1 算法总结 | 第59-60页 |
5.2 算法评估方法 | 第60-61页 |
5.2.1 Label Transfer Accuracy(LT-ACC) | 第60-61页 |
5.2.2 Intersection-over-Union(IOU) | 第61页 |
5.3 算法分割实验 | 第61-72页 |
5.3.1 图像分割结果 | 第62-64页 |
5.3.2 实验对比分析 | 第64-70页 |
5.3.2.1 与稠密匹配算法比较 | 第65-66页 |
5.3.2.2 与GrabCut算法比较 | 第66-70页 |
5.3.3 应用 | 第70-72页 |
5.4 本章小结 | 第72-73页 |
第六章 总结与展望 | 第73-75页 |
6.1 本文总结 | 第73页 |
6.2 本文展望 | 第73-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-80页 |
攻硕期间取得的研究成果 | 第80-81页 |