| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 彩色图像分割方法研究现状 | 第10-13页 |
| 1.2.2 视觉显著性计算模型研究现状 | 第13-15页 |
| 1.2.3 基于对比度的显著性计算研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-19页 |
| 第2章 相关理论基础 | 第19-25页 |
| 2.1 图像的底层特征 | 第19页 |
| 2.2 图像基本计算单元 | 第19-20页 |
| 2.3 凸包原理及其计算 | 第20-21页 |
| 2.4 显著性计算基本原理 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于改进凸包和颜色对比度的单目标彩色图像分割算法 | 第25-41页 |
| 3.1 超像素的提取 | 第26-31页 |
| 3.2 基于颜色对比度的显著性计算 | 第31-33页 |
| 3.2.1 基于颜色唯一性的显著图计算 | 第31-32页 |
| 3.2.2 基于颜色空间对比的显著图计算 | 第32页 |
| 3.2.3 基于颜色对比度的显著图计算 | 第32-33页 |
| 3.3 基于改进凸包的中心显著图计算 | 第33-36页 |
| 3.3.1 计算原始凸包 | 第33-34页 |
| 3.3.2 凸包的改进 | 第34-36页 |
| 3.3.3 计算中心显著图 | 第36页 |
| 3.4 综合显著图及其分割 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-40页 |
| 3.5.1 性能评价标准 | 第37-38页 |
| 3.5.2 算法性能分析 | 第38-39页 |
| 3.5.3 主观视觉对比 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于显著性和GrabCut的多目标彩色图像分割算法 | 第41-53页 |
| 4.1 面向多目标的显著性算法改进 | 第41-42页 |
| 4.2 显著图二值化 | 第42-43页 |
| 4.3 基于改进GrabCut算法的图像分割 | 第43-47页 |
| 4.3.1 GrabCut算法 | 第43-46页 |
| 4.3.2 改进的GrabCut算法 | 第46-47页 |
| 4.4 多目标彩色图像分割算法流程 | 第47页 |
| 4.5 实验结果与分析 | 第47-51页 |
| 4.5.1 主观视觉对比 | 第47-49页 |
| 4.5.2 算法性能分析 | 第49-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间取得的科研成果 | 第60页 |