| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 图像分割研究现状 | 第13-15页 |
| 1.2.2 协同分割研究现状 | 第15-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第2章 相关研究 | 第20-32页 |
| 2.1 单图像处理技术 | 第20-25页 |
| 2.1.1 层次性分割 | 第21-23页 |
| 2.1.2 显著性检测与分割 | 第23页 |
| 2.1.3 对象检测 | 第23-25页 |
| 2.2 图像间相似性度量 | 第25-28页 |
| 2.2.1 颜色相似性度量方法 | 第25-26页 |
| 2.2.2 纹理相似性度量方法 | 第26-27页 |
| 2.2.3 最短路径解决相似性问题 | 第27-28页 |
| 2.3 数据库与评价指标 | 第28-31页 |
| 2.3.1 图像数据集 | 第28页 |
| 2.3.2 评价指标 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 一种可识别噪声图像的有向图协同分割方法 | 第32-48页 |
| 3.1 局部区域生成 | 第32-36页 |
| 3.1.1 基于轮廓生成区域 | 第33-34页 |
| 3.1.2 利用图像显著性提取区域 | 第34-35页 |
| 3.1.3 对象区域检测 | 第35-36页 |
| 3.2 可能对象区域构建有向图 | 第36-38页 |
| 3.3 边权值计算 | 第38-42页 |
| 3.3.1 基于颜色直方图的匹配度 | 第38-39页 |
| 3.3.2 基于显著性的相似性衡量 | 第39-40页 |
| 3.3.3 特殊边权值计算 | 第40-42页 |
| 3.4 可识别噪声图像的有向图协同分割算法 | 第42页 |
| 3.5 评估指标及实验结果分析 | 第42-46页 |
| 3.5.1 评估指标与实验平台 | 第43-44页 |
| 3.5.2 实验结果与分析 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于显著区域的预匹配序列优化协同分割 | 第48-58页 |
| 4.1 问题分析 | 第48-49页 |
| 4.2 预序列的建立 | 第49-51页 |
| 4.2.1 利用显著区域的图像匹配度建立完全图 | 第49-50页 |
| 4.2.2 贪心思想确定最优预序列 | 第50-51页 |
| 4.3 基于预序列优化可识别噪声图像的协同分割方法 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-57页 |
| 4.4.1 评估指标与实验方法 | 第52-53页 |
| 4.4.2 实验结果与分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A 攻读硕士学位期间发表论文及申请专利目录 | 第66-67页 |
| 附录B 攻读硕士学位期间所参加的教学科研工作目录 | 第67-68页 |
| 致谢 | 第68页 |