| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 图像分割研究背景和意义 | 第9-10页 |
| 1.2 图像分割研究现状 | 第10-11页 |
| 1.3 图像分割方法概述 | 第11-12页 |
| 1.4 评价指标 | 第12-13页 |
| 1.5 文章结构和概括 | 第13-15页 |
| 2 基于TWSVM超像素分类的彩色图像分割算法 | 第15-33页 |
| 2.1 孪生支持向量机 | 第15-16页 |
| 2.2 超像素的颜色特征和纹理特征提取 | 第16-24页 |
| 2.2.1 超像素的生成 | 第16-18页 |
| 2.2.2 超像素的颜色特征提取 | 第18-19页 |
| 2.2.3 超像素的纹理特征提取 | 第19-24页 |
| 2.3 详细算法描述 | 第24-28页 |
| 2.4 实验结果与分析 | 第28-32页 |
| 2.5 小结 | 第32-33页 |
| 3 基于自适应二阶统计量的彩色图像分割算法 | 第33-50页 |
| 3.1 混合权重支持向量机 | 第33-37页 |
| 3.1.1 SVM基本原理 | 第33-34页 |
| 3.1.2 一般的核函数 | 第34-35页 |
| 3.1.3 改进的高斯核函数 | 第35-36页 |
| 3.1.4 改进的混合权重SVM | 第36页 |
| 3.1.5 改进的混合权重SVM效果证明 | 第36-37页 |
| 3.2 自适应二阶统计量 | 第37-42页 |
| 3.2.1 ASOS的权重计算 | 第38-39页 |
| 3.2.2 ASOS的计算 | 第39-42页 |
| 3.3 直线型二维Tsallis熵选取训练样本 | 第42-44页 |
| 3.3.1 二维Tsallis熵 | 第42页 |
| 3.3.2 直线型二维Tsallis熵 | 第42-44页 |
| 3.4 详细算法描述 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-49页 |
| 3.6 小结 | 第49-50页 |
| 4 基于DD-DTCWT-HMT的图像分割算法 | 第50-74页 |
| 4.1 隐马尔科夫树模型 | 第50-52页 |
| 4.2 小波域隐马尔科夫树模型 | 第52-53页 |
| 4.3 DD-DTCWT域建模 | 第53-64页 |
| 4.3.1 双密度双树复小波变换 | 第53-59页 |
| 4.3.2 截尾广义柯西混合模型 | 第59-62页 |
| 4.3.3 基于相对相位局部均值和幅值的DD-DTCWT-HMT模型 | 第62-63页 |
| 4.3.4 利用基于权值背景融合的方法融合 | 第63-64页 |
| 4.4 算法描述 | 第64-67页 |
| 4.5 实验结果与分析 | 第67-73页 |
| 4.6 小结 | 第73-74页 |
| 5 发展趋势 | 第74-76页 |
| 5.1 科研工作总结 | 第74页 |
| 5.2 图像分割发展趋势 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表学术论文情况 | 第81-82页 |
| 致谢 | 第82页 |