图像分割技术研究及头发分割应用
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 图像分割原理 | 第12-13页 |
| 1.2 头发分割的意义 | 第13页 |
| 1.3 头发分割的难点 | 第13页 |
| 1.4 头发分割现状 | 第13-14页 |
| 1.5 本文主要研究内容 | 第14-15页 |
| 第二章 常用的图像分割方法 | 第15-19页 |
| 2.1 OTSU 算法 | 第15-16页 |
| 2.2 基于聚类的分割算法 | 第16页 |
| 2.3 基于活动轮廓模型的分割算法 | 第16-17页 |
| 2.4 基于图论的分割方法 | 第17-19页 |
| 第三章 图像特征描述 | 第19-39页 |
| 3.1 颜色特征 | 第19-24页 |
| 3.1.1 颜色空间模型 | 第20-22页 |
| 3.1.2 颜色直方图 | 第22-23页 |
| 3.1.3 颜色矩 | 第23-24页 |
| 3.1.4 主色调直方图法和颜色集 | 第24页 |
| 3.2 纹理特征 | 第24-39页 |
| 3.2.1 灰度共生矩阵 | 第27-28页 |
| 3.2.2 Tamura 纹理特征 | 第28-30页 |
| 3.2.3 LBP 特征向量 | 第30-31页 |
| 3.2.4 Gabor 特征向量 | 第31-36页 |
| 3.2.5 DOG 和 DOOG 纹理特征 | 第36-39页 |
| 第四章 头发分割 | 第39-58页 |
| 4.1 人脸及人眼检测 | 第39-45页 |
| 4.2 头部区域定义 | 第45-46页 |
| 4.3 头发特征向量 | 第46-51页 |
| 4.3.1 mean shift 算法 | 第47-51页 |
| 4.4 高斯混合模型介绍 | 第51-54页 |
| 4.4.1 混合模型 | 第51页 |
| 4.4.2 混合模型的期望最大化 | 第51-53页 |
| 4.4.3 混合模型在头发分割的应用 | 第53-54页 |
| 4.5 实验结果 | 第54-58页 |
| 4.5.1 图像数据库 | 第54页 |
| 4.5.2 头发分割结果及分析 | 第54-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 工作终结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间已发表或录用的论文 | 第64-66页 |
| 上海交通大学学位论文答辩决议书 | 第66页 |
