| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-36页 |
| ·研究背景、目的及意义 | 第11-15页 |
| ·图像分割方法的研究现状 | 第15-20页 |
| ·基于图论的图像分割方法研究 | 第20-28页 |
| ·基于最小生成树的方法 | 第23页 |
| ·基于最短路径的方法 | 第23-24页 |
| ·基于图切的代价函数的方法 | 第24-25页 |
| ·基于图切的马尔科夫随机场的方法 | 第25-27页 |
| ·基于矩阵方程的方法 | 第27-28页 |
| ·其它的基于图的方法 | 第28页 |
| ·自然彩色图像分割 | 第28-34页 |
| ·分割特征及描述方法 | 第28-33页 |
| ·自然彩色图像分割方法 | 第33-34页 |
| ·本文的主要工作及全文安排 | 第34-36页 |
| 2 基于熵率超像素分割的区域显著性检测方法 | 第36-46页 |
| ·引言 | 第36页 |
| ·显著性检测方法 | 第36-39页 |
| ·基于熵率超像素分割的区域显著性检测方法 | 第39-44页 |
| ·熵率超像素分割 | 第39-42页 |
| ·全局对比度计算 | 第42-44页 |
| ·实验仿真与分析 | 第44页 |
| ·小结 | 第44-46页 |
| 3 融合显著性种子点和随机游走算法的彩色图像分割 | 第46-72页 |
| ·引言 | 第46-47页 |
| ·随机游走图像分割 | 第47-51页 |
| ·分割步骤 | 第47-50页 |
| ·随机游走图像分割的特性 | 第50-51页 |
| ·融合显著性种子点和随机游走算法的图像分割方法 | 第51-61页 |
| ·算法概述 | 第51-52页 |
| ·特征描述算子的构建 | 第52-58页 |
| ·种子点的自动提取 | 第58-60页 |
| ·种子点的重标记 | 第60-61页 |
| ·仿真实验结果和对比分析 | 第61-69页 |
| ·参数设置及量化方式 | 第62-64页 |
| ·分割质量对比与分析 | 第64-69页 |
| ·小结 | 第69-72页 |
| 4 融合紧致纹理信息及交互式随机游走算法的多类彩色纹理图像分割 | 第72-79页 |
| ·引言 | 第72-73页 |
| ·维数约简 | 第73-75页 |
| ·构建特征描述子 | 第75-76页 |
| ·实验仿真与比较分析 | 第76-77页 |
| ·小结 | 第77-79页 |
| 5 总结与展望 | 第79-81页 |
| ·本文工作总结 | 第79-80页 |
| ·未来工作展望 | 第80-81页 |
| 参考文献 | 第81-94页 |
| 攻读学位期间发表的学术论文 | 第94-95页 |
| 附录 插图对照 | 第95-97页 |
| 致谢 | 第97页 |