基于RGBD图像的图像分割算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 图像分割研究的发展历程 | 第15-16页 |
| 1.2.2 基于灰度及彩色图像的分割算法 | 第16-19页 |
| 1.2.3 基于RGBD图像的分割算法 | 第19-21页 |
| 1.3 研究内容与组织结构 | 第21-23页 |
| 1.3.1 研究内容 | 第21页 |
| 1.3.2 组织结构 | 第21-23页 |
| 第二章 几种常见的图像分割算法与RGBD数据集 | 第23-35页 |
| 2.1 常见的图像分割算法介绍 | 第23-27页 |
| 2.1.1 Snake算法 | 第23-24页 |
| 2.1.2 区域生长算法 | 第24页 |
| 2.1.3 区域分裂合并算法 | 第24-25页 |
| 2.1.4 分水岭分割算法 | 第25-26页 |
| 2.1.5 Graph Cuts算法 | 第26-27页 |
| 2.2 RGBD数据集介绍 | 第27-35页 |
| 2.2.1 NYU2数据集 | 第27-30页 |
| 2.2.2 RGBD物体数据集 | 第30-31页 |
| 2.2.3 B3DO数据集 | 第31-33页 |
| 2.2.4 SUN3D数据集 | 第33-35页 |
| 第三章 RGBD图像上的边缘检测算子 | 第35-47页 |
| 3.1 彩色图像上的边缘检测算子 | 第35-38页 |
| 3.1.1 颜色空间转换 | 第35页 |
| 3.1.2 颜色分量边缘检测算子 | 第35-37页 |
| 3.1.3 纹理梯度计算 | 第37-38页 |
| 3.1.4 多梯度融合 | 第38页 |
| 3.2 深度图像上的边缘检测算子 | 第38-42页 |
| 3.2.1 深度边缘检测算子 | 第38-41页 |
| 3.2.2 法向量边缘检测算子 | 第41-42页 |
| 3.3 实验结果与分析 | 第42-47页 |
| 3.3.1 彩色图像上的边缘检测算子 | 第43-45页 |
| 3.3.2 深度图像上的边缘检测算子 | 第45-47页 |
| 第四章 RGBD图像上的分水岭分割算法 | 第47-57页 |
| 4.1 算法的基本思想 | 第47-48页 |
| 4.2 RGBD图像上的标记分水岭分割算法 | 第48-53页 |
| 4.2.1 标记图像的提取 | 第48-50页 |
| 4.2.2 梯度修正和分水岭分割 | 第50-51页 |
| 4.2.3 小区域去除 | 第51-53页 |
| 4.3 实验结果与分析 | 第53-57页 |
| 4.3.1 分割结果展示 | 第53-55页 |
| 4.3.2 分割结果评价 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57页 |
| 5.2 论文展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
