基于超像素融合的图像分割方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和目的 | 第10-11页 |
| 1.2 图像分割研究现状及发展趋势 | 第11-15页 |
| 1.2.1 图像分割方法研究现状 | 第11-14页 |
| 1.2.2 图像分割发展趋势 | 第14-15页 |
| 1.3 本文的内容安排 | 第15-17页 |
| 第2章 超像素算法理论基础 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 超像素算法分类 | 第17-20页 |
| 2.2.1 基于图论的超像素算法 | 第17-19页 |
| 2.2.2 基于梯度的超像素算法 | 第19-20页 |
| 2.3 SLIC超像素 | 第20-26页 |
| 2.3.1 LAB色彩空间 | 第20-22页 |
| 2.3.2 K-means聚类 | 第22-23页 |
| 2.3.3 SLIC算法处理流程 | 第23-25页 |
| 2.3.4 超像素优化处理 | 第25-26页 |
| 2.4 超像素方法质量评估 | 第26-28页 |
| 2.4.1 分割质量评价 | 第27-28页 |
| 2.4.2 紧密度和数量的可控性 | 第28页 |
| 2.5 超像素分割结果 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于区域最大相似度的图像分割算法 | 第32-39页 |
| 3.1 特征表达及相似性比较 | 第32-34页 |
| 3.1.1 颜色特征 | 第32-33页 |
| 3.1.2 相似性度量方法 | 第33-34页 |
| 3.2 MSRM算法 | 第34-35页 |
| 3.2.1 标记前景与背景 | 第34页 |
| 3.2.2 算法流程 | 第34-35页 |
| 3.3 改进MSRM算法 | 第35-37页 |
| 3.3.1 改进过程 | 第35-36页 |
| 3.3.2 实验分析 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于颜色和纹理特征的超像素融合方法 | 第39-48页 |
| 4.1 图像分割流程 | 第39-40页 |
| 4.2 特征表达及相似性比较 | 第40-43页 |
| 4.2.1 纹理特征 | 第40-41页 |
| 4.2.2 特征表达 | 第41-42页 |
| 4.2.3 相似性比较 | 第42-43页 |
| 4.3 超像素融合 | 第43-46页 |
| 4.3.1 融合原理 | 第43-44页 |
| 4.3.2 融合流程 | 第44-46页 |
| 4.4 融合实验结果 | 第46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 图像分割实验结果与分析 | 第48-58页 |
| 5.1 分割实验结果 | 第48-49页 |
| 5.2 分割结果质量评价 | 第49-53页 |
| 5.3 分割方法对比分析 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
