基于星凸约束的图像自动分割
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像分割的研究现状 | 第11-13页 |
| 1.2.1 依据图像信息种类的分类 | 第11-12页 |
| 1.2.2 依据用户交互与否的分类 | 第12-13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 第二章 基于星凸约束的MPC-GAC模型 | 第15-25页 |
| 2.1 MPC-GAC模型理论 | 第15-16页 |
| 2.2 形状先验 | 第16-19页 |
| 2.2.1 单个星凸形状 | 第17-18页 |
| 2.2.2 多星凸形状 | 第18-19页 |
| 2.3 融入星凸约束先验的MPC-GAC模型 | 第19-20页 |
| 2.4 MPC-GSC模型优化 | 第20-21页 |
| 2.5 星凸约束性能比较 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 显著性检测方法的研究 | 第25-35页 |
| 3.1 视觉注意机制 | 第25-26页 |
| 3.1.1 自底向上的注意机制 | 第25页 |
| 3.1.2 自顶向下的注意机制 | 第25-26页 |
| 3.2 显著性区域提取方法 | 第26-32页 |
| 3.2.1 IT模型 | 第26-27页 |
| 3.2.2 FT模型 | 第27-28页 |
| 3.2.3 HC模型 | 第28页 |
| 3.2.4 CA模型 | 第28-30页 |
| 3.2.5 RC模型 | 第30-32页 |
| 3.3 显著性方法对比和选择 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于显著性的目标自动标记 | 第35-52页 |
| 4.1 形态学处理显著图 | 第36-39页 |
| 4.1.1 腐蚀 | 第36页 |
| 4.1.2 膨胀 | 第36-37页 |
| 4.1.3 结构元素的确定 | 第37-39页 |
| 4.2 二值化处理 | 第39页 |
| 4.3 实验结果与分析 | 第39-51页 |
| 4.3.1 定性实验结果比较 | 第40-46页 |
| 4.3.2 定量实验结果评价 | 第46-51页 |
| 4.4 讨论 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结和展望 | 第52-54页 |
| 5.1 全文工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录：攻读学位期间所发表的论文 | 第59页 |
