基于显著区域的水平集图像分割算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 研究内容与组织结构 | 第17-19页 |
| 第2章 基本理论与相关技术 | 第19-32页 |
| 2.1 视觉注意机制 | 第19-20页 |
| 2.2 图像基本视觉特征 | 第20-21页 |
| 2.2.1 颜色 | 第21页 |
| 2.2.2 亮度 | 第21页 |
| 2.2.3 纹理 | 第21页 |
| 2.3 显著区域检测算法概述 | 第21-26页 |
| 2.3.1 显著区域检测准则 | 第21-22页 |
| 2.3.2 显著区域检测算法分类 | 第22-25页 |
| 2.3.3 显著区域检测算法对比分析 | 第25-26页 |
| 2.4 水平集分割方法理论 | 第26-27页 |
| 2.4.1 活动轮廓模型 | 第26-27页 |
| 2.4.2 水平集基本原理 | 第27页 |
| 2.5 水平集分割模型 | 第27-31页 |
| 2.5.1 测地线活动轮廓模型 | 第28页 |
| 2.5.2 CV模型 | 第28-30页 |
| 2.5.3 LBF模型 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 融合全局稀有性的显著区域检测算法 | 第32-41页 |
| 3.1 SF算法 | 第32-36页 |
| 3.1.1 获取超像素 | 第33页 |
| 3.1.2 独特性 | 第33-34页 |
| 3.1.3 空间分布性 | 第34-35页 |
| 3.1.4 超像素显著值 | 第35页 |
| 3.1.5 最终显著区域 | 第35-36页 |
| 3.2 SF算法分析 | 第36-37页 |
| 3.3 融合全局稀有性的SF算法 | 第37-40页 |
| 3.3.1 全局稀有性 | 第38页 |
| 3.3.2 融合稀有性的特征图 | 第38-39页 |
| 3.3.3 改进后的算法 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于显著区域的CV水平集分割算法 | 第41-51页 |
| 4.1 无需重新初始化的CV模型 | 第41-44页 |
| 4.2 基于显著区域的CV分割算法 | 第44-47页 |
| 4.2.1 CV模型分析 | 第44-45页 |
| 4.2.2 显著区域检测 | 第45-46页 |
| 4.2.3 初始轮廓选择 | 第46页 |
| 4.2.4 可变权系数 | 第46-47页 |
| 4.3 总体流程 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 实验结果及分析 | 第51-60页 |
| 5.1 显著区域检测算法实验分析 | 第51-57页 |
| 5.1.1 主观视觉对比分析 | 第51-53页 |
| 5.1.2 准确率-召回率对比分析 | 第53-56页 |
| 5.1.3 时间性能对比 | 第56页 |
| 5.1.4 失败的例子 | 第56-57页 |
| 5.2 水平集分割算法实验分析 | 第57-58页 |
| 5.3 局限 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 进一步工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
