基于超像素的彩色图像快速分割方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 基于阈值的分割 | 第16-17页 |
| 1.2.2 基于边缘检测的分割 | 第17页 |
| 1.2.3 基于区域的分割 | 第17-18页 |
| 1.2.4 基于聚类的分割 | 第18-19页 |
| 1.2.5 基于特定理论的分割 | 第19-20页 |
| 1.3 本文的主要研究工作 | 第20-21页 |
| 1.4 本文的组织结构 | 第21-22页 |
| 第二章 谱聚类和超像素分割的理论方法介绍 | 第22-31页 |
| 2.1 谱聚类 | 第22-25页 |
| 2.1.1 图划分准则 | 第22-24页 |
| 2.1.2 相似度矩阵、度矩阵以及拉普拉斯矩阵 | 第24-25页 |
| 2.2 经典谱聚类算法 | 第25-27页 |
| 2.2.1 迭代谱聚类算法 | 第25-26页 |
| 2.2.2 多路谱聚类算法 | 第26-27页 |
| 2.3 超像素分割方法概述 | 第27-30页 |
| 2.3.1 超像素简介 | 第27页 |
| 2.3.2 超像素分割方法分类 | 第27-30页 |
| 2.4 本章小节 | 第30-31页 |
| 第三章 基于边缘概率的超像素分割方法 | 第31-41页 |
| 3.1 边缘检测 | 第31-36页 |
| 3.1.1 传统的边缘检测算子 | 第31-35页 |
| 3.1.2 结构化边缘检测算子 | 第35-36页 |
| 3.2 基于边缘概率的超像素分割方法 | 第36-40页 |
| 3.2.1 算法设计 | 第36-37页 |
| 3.2.2 实验结果与分析 | 第37-40页 |
| 3.3 本章小节 | 第40-41页 |
| 第四章 基于超像素合并的交互式图像分割方法 | 第41-54页 |
| 4.1 图像预分割 | 第42页 |
| 4.2 用户标记目标区域和背景区域 | 第42-43页 |
| 4.3 超像素的计算 | 第43-46页 |
| 4.3.1 颜色特征 | 第43-44页 |
| 4.3.2 纹理特征 | 第44-45页 |
| 4.3.3 相似度度量 | 第45-46页 |
| 4.4 超像素合并 | 第46-49页 |
| 4.4.1 合并过程 | 第46-48页 |
| 4.4.2 算法效率分析 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于超像素谱聚类的无监督图像分割方法 | 第54-62页 |
| 5.1 引言 | 第54-55页 |
| 5.2 图像预分割 | 第55页 |
| 5.3 超像素的计算 | 第55-56页 |
| 5.4 密度峰值聚类及其优化 | 第56-59页 |
| 5.4.1 密度峰值聚类 | 第56-57页 |
| 5.4.2 截断距离优化 | 第57-58页 |
| 5.4.3 初始聚类中心选择 | 第58-59页 |
| 5.5 基于超像素谱聚类的无监督图像分割方法 | 第59-61页 |
| 5.5.1 算法设计 | 第59页 |
| 5.5.2 实验结果与分析 | 第59-61页 |
| 5.6 本章小节 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文主要工作总结 | 第62页 |
| 6.2 后续研究及展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间的学术活动和成果 | 第69-70页 |
