首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于标准割的图像分割算法及其改进

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-19页
    1.1 引言第11页
    1.2 图像分割的研究背景及意义第11-12页
    1.3 图像分割算法分类第12-15页
        1.3.1 基于直方图阈值的图像分割算法第13页
        1.3.2 基于聚类分析的图像分割算法第13-14页
        1.3.3 基于边缘的图像分割算法第14页
        1.3.4 基于区域的图像分割算法第14页
        1.3.5 基于图论的图像分割算法第14-15页
    1.4 基于图论的图像分割算法的研究第15-17页
        1.4.1 基于图论的图像分割算法的国内外研究现状第15-16页
        1.4.2 基于图论的图像分割算法的优点第16-17页
    1.5 本文的主要研究工作和组织结构第17-18页
        1.5.1 本文的主要研究工作第17-18页
        1.5.2 本文的组织结构第18页
    1.6 本章小结第18-19页
第2章 基于图论的图像分割第19-29页
    2.1 引言第19页
    2.2 图论的基本概念及理论第19-22页
        2.2.1 图的定义第19-20页
        2.2.2 由图像构建图第20-21页
        2.2.3 图中边集合E的选择第21页
        2.2.4 权重矩阵W的构造第21-22页
    2.3 基于图论的图像分割算法简介第22-27页
        2.3.1 基于最小生成树的图像分割第23-24页
        2.3.2 基于最大流/最小割的图像分割第24-26页
        2.3.3 基于标准割的图像分割第26页
        2.3.4 基于图的图像分割第26-27页
    2.4 算法的比较和讨论第27-28页
    2.5 本章小结第28-29页
第3章 基于标准割的图像分割算法的研究第29-39页
    3.1 引言第29页
    3.2 基于标准割的图像分割算法第29-34页
        3.2.1 Ncut准则第29-31页
        3.2.2 近似求解目标函数第31-32页
        3.2.3 近似求解中的一些问题研究第32-34页
        3.2.4 分割算法的主要步骤第34页
    3.3 基于标准割的图像分割算法的优缺点第34-35页
        3.3.1 基于标准割的图像分割算法的优点第34页
        3.3.2 基于标准割的图像分割算法的缺点第34-35页
    3.4 基于标准割的图像分割算法改进的研究第35-38页
        3.4.1 特征值求解的改进第35-36页
        3.4.2 分割准则的改进第36页
        3.4.3 权重函数的改进第36-37页
        3.4.4 时间和空间复杂度的改进第37页
        3.4.5 其他方面的改进第37-38页
    3.5 本章小结第38-39页
第4章 基于图的分割与标准割相结合的图像分割算法改进第39-48页
    4.1 引言第39页
    4.2 基于图的分割与标准割相结合的图像分割算法第39-42页
    4.3 改进的分割算法第42-47页
        4.3.1 权重函数的改进第42-44页
        4.3.2 阈值函数的改进第44-45页
        4.3.3 区域邻接图的改进第45-47页
    4.4 本章小结第47-48页
第5章 实验及结果分析第48-56页
    5.1 引言第48页
    5.2 本文算法的流程图第48页
    5.3 实验结果及性能分析第48-55页
        5.3.1 实验及结果第48-52页
        5.3.2 分割效果对比分析第52-53页
        5.3.3 时间对比分析第53-54页
        5.3.4 存储空间对比分析第54-55页
    5.4 本章小结第55-56页
第6章 总结与展望第56-58页
    6.1 本文主要的研究及改进工作第56页
    6.2 进一步的工作及展望第56-58页
参考文献第58-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:基于分形理论的人脸识别算法研究
下一篇:视频流中人脸图像识别算法研究及DSP实现