基于深度学习特征与二分图的图像分割
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 图像分割技术的发展与研究现状 | 第11-12页 |
| 1.3 论文的主要工作及各章内容安排 | 第12-15页 |
| 1.3.1 论文的主要工作 | 第12-13页 |
| 1.3.2 论文的各章内容安排 | 第13-15页 |
| 第二章 图像分割方法概述 | 第15-26页 |
| 2.1 图像分割方法综述 | 第15-22页 |
| 2.1.1 基于阈值的图像分割 | 第15-16页 |
| 2.1.2 基于边缘的图像分割 | 第16-17页 |
| 2.1.3 基于区域的图像分割 | 第17-22页 |
| 2.2 基于神经网络的图像分割 | 第22-25页 |
| 2.2.1 基于人工神经网络的图像分割 | 第22-24页 |
| 2.2.2 基于卷积神经网络的图像分割 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 本文方法框架及特征提取 | 第26-37页 |
| 3.1 本文方法框架 | 第26-27页 |
| 3.2 过分割预处理 | 第27-30页 |
| 3.2.1 Mean-Shift图像分割 | 第29页 |
| 3.2.2 基于图的FH分割方法 | 第29-30页 |
| 3.3 深度学习特征提取 | 第30-36页 |
| 3.3.1 深度学习特征提取 | 第30-33页 |
| 3.3.2 过分割区域的特征提取 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于图像复杂度的特征筛选及二分图图割 | 第37-45页 |
| 4.1 基于似物性检测的图像复杂度 | 第37-39页 |
| 4.2 基于过分割的图像复杂度 | 第39页 |
| 4.3 基于图像复杂度的图像分类及特征筛选 | 第39-41页 |
| 4.4 二分图图割 | 第41-43页 |
| 4.4.1 二分图构建 | 第41-43页 |
| 4.4.2 二分图图割 | 第43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 实验结果与分析 | 第45-61页 |
| 5.1 实验环境以及数据来源 | 第45-48页 |
| 5.1.1 图像分割评价标准 | 第45-46页 |
| 5.1.2 实验环境及参数设置 | 第46-48页 |
| 5.2 实验结果展示与评价 | 第48-54页 |
| 5.3 实验结果分析 | 第54-60页 |
| 5.3.1 过分割分析 | 第54-57页 |
| 5.3.2 深度学习特征分析 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
