基于图和深度分层的前景物体提取研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 前景提取相关技术 | 第13-15页 |
| 1.2.2 轮廓提取相关技术 | 第15页 |
| 1.3 论文中前景及轮廓提取的难点 | 第15-16页 |
| 1.4 论文的主要内容 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第二章 融合色彩与深度的基于图的分割算法 | 第19-32页 |
| 2.1 基于图的图像分割算法 | 第19-25页 |
| 2.1.1 图像分割算法应具备的性质 | 第19页 |
| 2.1.2 图的基本概念 | 第19-21页 |
| 2.1.3 最小生成树算法 | 第21-22页 |
| 2.1.4 基于图的分割算法原理 | 第22-24页 |
| 2.1.5 分割算法步骤说明 | 第24-25页 |
| 2.1.6 分割算法的效率 | 第25页 |
| 2.2 融合色彩与深度信息 | 第25-29页 |
| 2.2.1 色彩空间的选择 | 第25-28页 |
| 2.2.2 融入深度信息避免欠分割 | 第28-29页 |
| 2.3 实验结果与分析 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 深度图分层、选取及平面法向图转换 | 第32-50页 |
| 3.1 深度图 | 第32-39页 |
| 3.1.1 图像深度的获取 | 第32-35页 |
| 3.1.2 Kinect深度图修复 | 第35-39页 |
| 3.2 深度图分层 | 第39-43页 |
| 3.2.1 扩展的N阈值大津法 | 第39-41页 |
| 3.2.2 深度分层的自动选取 | 第41-43页 |
| 3.3 种子点的选取 | 第43-45页 |
| 3.4 平面法向图 | 第45-48页 |
| 3.4.1 深度图转平面法向图 | 第45-47页 |
| 3.4.2 基于平面法向图对深度分层优化 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 前景提取方法 | 第50-54页 |
| 4.1 色彩区域合并 | 第50-51页 |
| 4.2 基于色彩和深度的前景提取 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 实验结果讨论分析 | 第54-63页 |
| 5.1 实验数据及程序 | 第54-55页 |
| 5.1.1 实验图像库的构成 | 第54-55页 |
| 5.1.2 算法程序 | 第55页 |
| 5.2 实验结果分析 | 第55-58页 |
| 5.2.1 定性分析 | 第55-57页 |
| 5.2.2 定量分析 | 第57-58页 |
| 5.3 实验结果对比 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 后续工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士研究生期间的成果 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |
