基于超像素聚类的图像分割方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 选题背景和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 应用现状和发展趋势 | 第15页 |
| 1.4 本文研究内容及安排 | 第15-17页 |
| 第2章 SLICAP图像分割方法 | 第17-34页 |
| 2.1 SLIC超像素方法的介绍 | 第17-22页 |
| 2.1.1 普通超像素的简介 | 第17-19页 |
| 2.1.2 SLIC超像素的优势及原理 | 第19-21页 |
| 2.1.3 超像素方法的实验及分析 | 第21-22页 |
| 2.2 AP聚类方法 | 第22-27页 |
| 2.2.1 AP方法的原理及优势 | 第22-25页 |
| 2.2.2 AP聚类方法的实验及分析 | 第25-27页 |
| 2.3 SLIC和AP结合的方法 | 第27-34页 |
| 2.3.1 SLICAP算法的框架 | 第28页 |
| 2.3.2 选取颜色空间 | 第28-29页 |
| 2.3.3 构建相似性矩阵 | 第29-32页 |
| 2.3.4 融入空间信息的方法 | 第32-34页 |
| 第3章 图像分割实验过程及结果分析 | 第34-39页 |
| 3.1 图像分割实验介绍 | 第34-35页 |
| 3.1.1 数据库介绍 | 第34页 |
| 3.1.2 图像分割对比算法 | 第34页 |
| 3.1.3 图像分割实验运行环境和参数设置 | 第34-35页 |
| 3.2 基于边界和区域的图像分割评价准则 | 第35-36页 |
| 3.3 图像分割实验结果分析与讨论 | 第36-39页 |
| 3.3.1 分割效果评估 | 第37-38页 |
| 3.3.2 分割时间评估 | 第38-39页 |
| 第4章 图像分割在目标识别中的应用 | 第39-47页 |
| 4.1 应用意义及目的 | 第39页 |
| 4.2 应用实验设计 | 第39-42页 |
| 4.2.1 应用实验方法介绍 | 第41-42页 |
| 4.2.2 评价方法 | 第42页 |
| 4.3 应用实验结果及分析 | 第42-47页 |
| 第5章 工作总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士期间发表的论文 | 第53页 |
