| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 表格目录 | 第9-10页 |
| 插图目录 | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义和现状 | 第13-16页 |
| 1.2.1 研究意义 | 第13页 |
| 1.2.2 研究现状 | 第13-16页 |
| 1.3 论文的组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 超像素分割算法综述 | 第18-27页 |
| 2.1 超像素概述 | 第18页 |
| 2.2 基于图论的超像素分割方法 | 第18-21页 |
| 2.2.1 Graph-based 方法 | 第19-20页 |
| 2.2.2 Superpixel lattices 方法 | 第20-21页 |
| 2.3 基于梯度下降的超像素分割方法 | 第21-24页 |
| 2.3.1 Turbopixels 方法 | 第21-22页 |
| 2.3.2 SLIC 方法 | 第22-24页 |
| 2.4 超像素的应用现状 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 Normalized cut 算法 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 基础理论 | 第27-29页 |
| 3.2.1 权函数 | 第27页 |
| 3.2.2 图的割 | 第27-28页 |
| 3.2.3 相似矩阵 | 第28页 |
| 3.2.4 势函数 | 第28-29页 |
| 3.3 最小割 | 第29-30页 |
| 3.4 Ncut | 第30-34页 |
| 3.4.1 Ncut 准则 | 第30-31页 |
| 3.4.2 Ncut 算法 | 第31-33页 |
| 3.4.3 Ncut 算法的应用 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于网格划分的初始聚类算法 | 第35-52页 |
| 4.1 初始聚类算法 | 第35-37页 |
| 4.2 基于网格划分的初始聚类算法 | 第37-51页 |
| 4.2.1 算法设计背景与思想 | 第37-41页 |
| 4.2.2 颜色空间 | 第41-43页 |
| 4.2.3 距离衡量准则 | 第43-44页 |
| 4.2.4 后处理 | 第44-46页 |
| 4.2.5 时间复杂性 | 第46-49页 |
| 4.2.6 基于网格划分的初始聚类算法实验 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 基于超像素的两阶段图像分割算法 | 第52-63页 |
| 5.1 算法设计背景 | 第52-53页 |
| 5.2 算法设计 | 第53-54页 |
| 5.3 算法实现 | 第54-55页 |
| 5.4 时间复杂度 | 第55页 |
| 5.5 实验及结果 | 第55-61页 |
| 5.6 本章小结 | 第61-63页 |
| 总结与展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |