| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像分割的数学定义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 应用现状 | 第12-13页 |
| 1.3.2 技术现状 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 本文结构安排 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第2章 图像分割的相关理论研究 | 第18-32页 |
| 2.1 图像分割基本流程 | 第18页 |
| 2.2 离散余弦变换(Discrete Cosine Transform) | 第18-21页 |
| 2.3 相关颜色空间 | 第21-25页 |
| 2.3.1 RGB颜色空间 | 第21-22页 |
| 2.3.2 HSI颜色空间 | 第22-24页 |
| 2.3.3 YCrCb颜色空间 | 第24-25页 |
| 2.4 图的相关概念 | 第25-27页 |
| 2.4.1 图（Graph）的定义 | 第25-26页 |
| 2.4.2 节点度（Degree） | 第26页 |
| 2.4.3 图的容量（Volume） | 第26-27页 |
| 2.4.4 子图（Subgraph）与图割（Cut） | 第27页 |
| 2.5 瑞利商 | 第27页 |
| 2.6 拉普拉斯矩阵 | 第27-29页 |
| 2.6.1 拉普拉斯矩阵定义 | 第27-29页 |
| 2.6.2 拉普拉斯矩阵性质 | 第29页 |
| 2.7 谱聚类 | 第29页 |
| 2.8 本章小结 | 第29-32页 |
| 第3章 归一化割（Normalized Cuts）算法 | 第32-40页 |
| 3.1 最小割（Min cut）算法 | 第32-33页 |
| 3.2 归一化割（Normalized Cuts）算法 | 第33-34页 |
| 3.3 归一化割（Normalized Cuts）算法求解 | 第34-37页 |
| 3.4 归一化割（Normalized Cuts）算法实验 | 第37-39页 |
| 3.4.1 归一化割算法流程 | 第37页 |
| 3.4.2 权值计算方法 | 第37页 |
| 3.4.3 实验结果 | 第37-39页 |
| 3.5 本章总结 | 第39-40页 |
| 第4章 压缩域多特征提取与构图 | 第40-46页 |
| 4.1 压缩域特征提取 | 第40-42页 |
| 4.1.1 颜色特征 | 第40页 |
| 4.1.2 纹理特征 | 第40-41页 |
| 4.1.3 位置特征 | 第41-42页 |
| 4.2 构图 | 第42-44页 |
| 4.2.1 图节点与边 | 第42页 |
| 4.2.2 图边权值 | 第42-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 基于压缩域DCT-SBS的图像分割算法 | 第46-52页 |
| 5.1 算法框架 | 第46-49页 |
| 5.2 算法分析 | 第49-50页 |
| 5.3 算法实现 | 第50-51页 |
| 5.4 本章总结 | 第51-52页 |
| 第6章 实验结果与分析 | 第52-62页 |
| 6.1 评价标准 | 第52-53页 |
| 6.1.1 GT（Ground Truth）图像 | 第52页 |
| 6.1.2 评价指标 | 第52-53页 |
| 6.2 数据库 | 第53-55页 |
| 6.3 实验结果 | 第55-60页 |
| 6.4 本章小结 | 第60-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62-63页 |
| 7.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士期间发表的论文及成果 | 第72页 |
