| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 研究工作 | 第14-15页 |
| 1.3 论文结构 | 第15-16页 |
| 第二章 研究背景 | 第16-34页 |
| 2.1 图像分割 | 第16-20页 |
| 2.1.1 标准割算法 | 第16-17页 |
| 2.1.2 均值偏移算法 | 第17-18页 |
| 2.1.3 基于图的合并算法 | 第18-19页 |
| 2.1.4 超像素分割 | 第19-20页 |
| 2.2 图像语义分割 | 第20-31页 |
| 2.2.1 基于主题模型的语义分割算法 | 第21-24页 |
| 2.2.2 基于条件随机场的语义分割算法 | 第24-31页 |
| 2.3 三维网格模型语义分割 | 第31-33页 |
| 2.3.1 基于区域增长的算法 | 第31-32页 |
| 2.3.2 基于频谱分析的算法 | 第32-33页 |
| 2.3.3 基于统计学习的算法 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于局部位置建模的弱监督语义分割模型 | 第34-45页 |
| 3.1 问题描述 | 第34-35页 |
| 3.2 WCLTM模型 | 第35-39页 |
| 3.2.1 多重过分割区域表示 | 第37页 |
| 3.2.2 主题间的Markov建模 | 第37-38页 |
| 3.2.3 标注推理模块 | 第38-39页 |
| 3.3 参数估计与推断 | 第39-40页 |
| 3.4 实验 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于位置关系与形状先验的强监督语义分割模型 | 第45-55页 |
| 4.1 问题描述 | 第45-46页 |
| 4.2 和积网络模型简介 | 第46-47页 |
| 4.3 MSPN模型 | 第47-51页 |
| 4.3.1 多尺度单元势能项 | 第47-48页 |
| 4.3.2 MSPN结构 | 第48-49页 |
| 4.3.3 推断与参数估计 | 第49-51页 |
| 4.4 实验 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于形状建模的三维模型自动语义分割算法 | 第55-67页 |
| 5.1 问题描述 | 第55-57页 |
| 5.2 建立三维模型分割场 | 第57-61页 |
| 5.2.1 分割场定义与求解 | 第57页 |
| 5.2.2 建立凹敏感的Laplacian矩阵 | 第57-58页 |
| 5.2.3 层次化频谱分析 | 第58-60页 |
| 5.2.4 建立边的符号矩阵 | 第60-61页 |
| 5.3 基于等值线的边界确定 | 第61-63页 |
| 5.4 实验 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 结束语 | 第67-69页 |
| 6.1 本文成果 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 简历与科研成果 | 第78-80页 |
| 致谢 | 第80-81页 |