| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-29页 |
| ·引言 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·数字抠图方法的研究现状 | 第11-28页 |
| ·单一背景的数字图像抠图技术（蓝屏抠图或绿屏抠图） | 第12-14页 |
| ·早期的复杂背景下的数字图像抠图技术（自然图像抠图） | 第14-20页 |
| ·点在多边形内外算法简介 | 第20-22页 |
| ·几个数字图像抠图的新方法 | 第22-26页 |
| ·图像合成技术 | 第26-28页 |
| ·论文主要工作与组织结构 | 第28-29页 |
| 第二章 GrabCut 自然抠图方法的理论基础 | 第29-42页 |
| ·Graph Cut 图像分割算法简介 | 第29-30页 |
| ·Grab Cut 算法基本概念 | 第30-33页 |
| ·高斯混合模型的基本概念以及MLE 方法 | 第33-42页 |
| 第三章 GrabCut 自然抠图方法的分析与初步实现 | 第42-48页 |
| ·GrabCut 算法基本流程 | 第42-43页 |
| ·Grab Cut 算法的实现 | 第43-48页 |
| ·数据结构 | 第43-44页 |
| ·初始化 | 第44-45页 |
| ·高斯混合模型 | 第45-46页 |
| ·最小分割 | 第46-47页 |
| ·用户编辑 | 第47-48页 |
| 第四章 GrabCut 方法中高斯混合模型初始化聚类的研究与改进 | 第48-61页 |
| ·高斯混合模型的初始化 | 第48-58页 |
| ·利用灰度值进行聚类的方法 | 第49-53页 |
| ·利用二叉树颜色量化算法创建初始化高斯混合模型 | 第53-58页 |
| ·重新聚类与混合聚类 | 第58-61页 |
| ·重新聚类 | 第58-59页 |
| ·混合聚类 | 第59-61页 |
| 第五章 GrabCut 方法中的平滑处理 | 第61-64页 |
| ·目前的平滑处理方式 | 第61页 |
| ·利用互异点进行全局平滑 | 第61-64页 |
| ·互异点的定义 | 第62页 |
| ·互异点处理全局平滑优化 | 第62-64页 |
| 第六章 总结与研究工作展望 | 第64-66页 |
| ·研究内容总结 | 第64-65页 |
| ·研究工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |
