| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文背景及研究意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 超像素分割算法研究现状 | 第9-11页 |
| 1.2.2 低秩表示研究现状 | 第11-12页 |
| 1.3 本论文的主要工作 | 第12-14页 |
| 第2章 基于超像素方法的图像分割 | 第14-28页 |
| 2.1 基于Turbopixels的超像素分割 | 第14-21页 |
| 2.1.1 几何流与水平集的基本方法 | 第14-17页 |
| 2.1.2 Turbopixel算法流程 | 第17-18页 |
| 2.1.3 算法流程详述 | 第18-20页 |
| 2.1.4 分割结果 | 第20-21页 |
| 2.2 基于Mean-Shift的超像素分割 | 第21-26页 |
| 2.2.1 算法原理 | 第22-25页 |
| 2.2.2 Mean-Shift图像分割 | 第25-26页 |
| 2.3 超像素分割方法比较分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 水声图像特征提取与比较分析 | 第28-42页 |
| 3.1 水声图像纹理特征提取技术 | 第28-32页 |
| 3.1.1 灰度共生矩阵介绍 | 第28-30页 |
| 3.1.2 梯度--灰度共生矩阵介绍 | 第30-32页 |
| 3.2 纹理特征的比较分析与选取 | 第32-38页 |
| 3.3 局部二进制模式（lbp）介绍 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 结合LRR的子空间分割方法 | 第42-54页 |
| 4.1 子空间分割思想简述 | 第42-46页 |
| 4.1.1 图的概念 | 第42-43页 |
| 4.1.2 图划分与N-CUT算法 | 第43-45页 |
| 4.1.3 子空间分割 | 第45-46页 |
| 4.2 低秩表示方法介绍 | 第46-48页 |
| 4.2.1 基本概念阐述 | 第46-47页 |
| 4.2.2 低秩表示式演化过程 | 第47-48页 |
| 4.3 拉格朗日算法 | 第48-49页 |
| 4.4 子空间分割算法流程 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于LRR的图像分割算法的比较分析 | 第54-61页 |
| 5.1 基于LRR的水声图像分割实验 | 第54-58页 |
| 5.1.1 基于LRR的声纳图像分割实验结果 | 第54页 |
| 5.1.2 直接应用N-CUT聚类声纳图像的分割实验结果 | 第54-55页 |
| 5.1.3 与其他分割算法的比较实验 | 第55页 |
| 5.1.4 分割结果图汇总 | 第55-58页 |
| 5.2 分割结果比较分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |