摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第11-23页 |
1.1 引言 | 第11页 |
1.2 研究现状 | 第11-20页 |
1.2.1 交互式图像分割方法的研究现状 | 第11-17页 |
1.2.2 多特征融合方法的研究现状 | 第17-20页 |
1.3 研究内容 | 第20-22页 |
1.3.1 研究目标 | 第20页 |
1.3.2 研究内容 | 第20-22页 |
1.4 论文结构 | 第22-23页 |
第2章 背景知识 | 第23-27页 |
2.1 引言 | 第23页 |
2.2 D-S证据理论 | 第23-25页 |
2.3 实验数据集及评价标准 | 第25-26页 |
2.3.1 实验数据集 | 第25页 |
2.3.2 评价标准 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第3章 基于贝叶斯分类器和随机游走的交互式图像分割方法 | 第27-38页 |
3.1 方法概述 | 第27-28页 |
3.2 贝叶斯分类器 | 第28-31页 |
3.2.1 训练数据的选择 | 第29页 |
3.2.2 分类器的设计 | 第29-30页 |
3.2.3 分类器的学习 | 第30-31页 |
3.3 基于随机游走的优化 | 第31-33页 |
3.3.1 结构图的建立 | 第31-32页 |
3.3.2 种子点的选择 | 第32-33页 |
3.3.3 分割结果的确定 | 第33页 |
3.4 实验 | 第33-37页 |
3.4.1 实验设置 | 第34-35页 |
3.4.2 与GrabCut方法的对比实验 | 第35-36页 |
3.4.3 与PIBS方法的对比实验 | 第36-37页 |
3.5 本章小结 | 第37-38页 |
第4章 基于贝叶斯分类器和最短路径的交互式图像分割方法 | 第38-51页 |
4.1 方法概述 | 第38-39页 |
4.2 贝叶斯分类器 | 第39-42页 |
4.2.1 训练数据的选择 | 第40-41页 |
4.2.2 分类器的学习 | 第41-42页 |
4.3 基于最短路径的优化 | 第42-45页 |
4.3.1 结构图的建立 | 第42-44页 |
4.3.2 最短路径计算 | 第44-45页 |
4.4 实验 | 第45-49页 |
4.4.1 实验设置 | 第46页 |
4.4.2 与GrabCut方法的对比实验 | 第46-47页 |
4.4.3 与PIBS方法的对比实验 | 第47-49页 |
4.5 本章小结 | 第49-51页 |
第5章 面向交互式图像分割的多特征融合方法 | 第51-70页 |
5.1 引言 | 第51页 |
5.2 特征的选择与计算 | 第51-54页 |
5.2.1 S-HoG特征 | 第52-54页 |
5.3 多特征的融合 | 第54-59页 |
5.3.1 基于多特征融合的样本分类 | 第54-58页 |
5.3.2 基于多特征融合的相似性计算 | 第58-59页 |
5.4 结合多特征融合的交互式图像分割 | 第59-63页 |
5.4.1 与BCRW方法的结合 | 第60-61页 |
5.4.2 与BCSP方法的结合 | 第61-63页 |
5.5 实验 | 第63-69页 |
5.5.1 实验设置 | 第64-65页 |
5.5.2 基于BCRW方法的对比实验 | 第65-67页 |
5.5.3 基于BCSP方法的对比实验 | 第67-69页 |
5.6 本章小结 | 第69-70页 |
第6章 交互式图像分割方法在移动平台上的应用 | 第70-80页 |
6.1 引言 | 第70页 |
6.2 面向移动终端的交互式图像分割方法 | 第70-74页 |
6.2.1 方法概述 | 第70-71页 |
6.2.2 存储的优化 | 第71-73页 |
6.2.3 计算的优化 | 第73-74页 |
6.3 分割算法在移动端的调用 | 第74-76页 |
6.3.1 C语言函数库的实现 | 第75-76页 |
6.3.2 实现Android平台的调用 | 第76页 |
6.4 实验 | 第76-79页 |
6.4.1 实验设置 | 第77-78页 |
6.4.2 实验结果与分析 | 第78-79页 |
6.5 本章小结 | 第79-80页 |
第7章 总结与展望 | 第80-82页 |
7.1 本文工作总结 | 第80-81页 |
7.2 下一步工作展望 | 第81-82页 |
参考文献 | 第82-87页 |
攻读学位期间发表的论文与研究成果清单 | 第87-88页 |
致谢 | 第88页 |