| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于RGB图像的目标提取 | 第11-12页 |
| 1.2.2 基于RGB-D图像的目标提取 | 第12-14页 |
| 1.3 研究内容及其主要工作 | 第14-15页 |
| 1.4 论文结构及章节安排 | 第15-16页 |
| 第二章 目标提取相关技术理论 | 第16-26页 |
| 2.1 目标提取相关技术 | 第16-21页 |
| 2.1.1 图像分割 | 第16-17页 |
| 2.1.2 常用特征 | 第17-19页 |
| 2.1.3 层次聚类 | 第19-21页 |
| 2.2 RGB-D图像与数据集 | 第21-26页 |
| 2.2.1 深度传感器 | 第21-23页 |
| 2.2.2 RGB-D数据集 | 第23-26页 |
| 第三章 基于深度信息的场景布局估计算法研究 | 第26-39页 |
| 3.1 算法流程概述 | 第26-27页 |
| 3.2 深度图空洞填补 | 第27-29页 |
| 3.3 深度图转换点云 | 第29-31页 |
| 3.4 平面分割与分类 | 第31-35页 |
| 3.5 实验结果与分析 | 第35-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于图像分割的区域层次聚类算法研究 | 第39-53页 |
| 4.1 算法流程概述 | 第39-40页 |
| 4.2 同态滤波预处理 | 第40-42页 |
| 4.3 基于图的分割方法 | 第42-44页 |
| 4.4 约束参数最小割 | 第44-47页 |
| 4.5 区域合并贪心算法 | 第47-49页 |
| 4.6 实验结果与分析 | 第49-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 基于改进的GrabCut的实例分割算法研究 | 第53-66页 |
| 5.1 GrabCut中的图最小割 | 第54-56页 |
| 5.2 高斯混合模型 | 第56-59页 |
| 5.3 基于RGB-D图像的GrabCut算法 | 第59-62页 |
| 5.4 实验结果与分析 | 第62-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-69页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录1 程序清单 | 第73-74页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 附录3 攻读硕士学位期间申请的专利 | 第75-76页 |
| 致谢 | 第76页 |