基于显著性物体检测的图像分割及其应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状及发展趋势 | 第8-9页 |
| 1.3 研究思路与框架 | 第9-12页 |
| 第2章 显著性物体检测模型及GrabCut方法 | 第12-22页 |
| 2.1 显著性物体检测 | 第12-17页 |
| 2.1.1 引言 | 第13-14页 |
| 2.1.2 显著性物体检测的模型 | 第14-17页 |
| 2.2 阈值化方法 | 第17-18页 |
| 2.3 GrabCut方法 | 第18-21页 |
| 2.3.1 Graph Cuts模型 | 第18-20页 |
| 2.3.2 GrabCut模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于显著性物体检测的图像分割 | 第22-28页 |
| 3.1 基于熵和粒子群算法的阈值化方法 | 第22-25页 |
| 3.1.1 熵 | 第22-23页 |
| 3.1.2 粒子群算法 | 第23-25页 |
| 3.2 仿真实验 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第4章 医学图像的应用 | 第28-44页 |
| 4.1 引言 | 第28页 |
| 4.2 灰度不均图像模型 | 第28-31页 |
| 4.3 变分法求解及其仿真实验 | 第31-37页 |
| 4.3.1 变分法求解 | 第31-32页 |
| 4.3.2 实验 | 第32-37页 |
| 4.4 水平集方法求解及仿真实验 | 第37-42页 |
| 4.4.1 水平集方法求解 | 第37-40页 |
| 4.4.2 实验 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和参加科研情况说明 | 第50-52页 |
| 致谢 | 第52-53页 |
