集成学习框架下的道路图像分割算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 图像分割方法及研究现状 | 第10-12页 |
| 1.3 道路图像分割方法的研究与发展 | 第12-14页 |
| 1.4 本文研究的内容安排 | 第14-15页 |
| 第二章 超像素和集成学习框架概述 | 第15-27页 |
| 2.1 超像素 | 第15-20页 |
| 2.1.1 基于图论的超像素算法 | 第16-17页 |
| 2.1.2 基于聚类的超像素算法 | 第17-19页 |
| 2.1.3 基于网格的超像素算法 | 第19-20页 |
| 2.2 集成学习和随机森林 | 第20-27页 |
| 2.2.1 集成学习 | 第20-23页 |
| 2.2.2 随机森林 | 第23-27页 |
| 第三章 基于超像素的区域生长图像分割算法 | 第27-38页 |
| 3.1 问题提出 | 第27页 |
| 3.2 方法描述 | 第27-34页 |
| 3.2.1 图像增强 | 第28-29页 |
| 3.2.2 CIELAB颜色空间 | 第29-30页 |
| 3.2.3 改进的区域生长方法 | 第30-34页 |
| 3.2.4 基于超像素的区域生长算法框架 | 第34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.3.1 定性分析 | 第35-36页 |
| 3.3.2 定量分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于超像素和随机森林的图像分割算法 | 第38-48页 |
| 4.1 问题提出 | 第38-39页 |
| 4.2 方法描述 | 第39-43页 |
| 4.2.1 过分割 | 第40-41页 |
| 4.2.2 重抽样技术 | 第41页 |
| 4.2.3 基于超像素的特征表达策略 | 第41-42页 |
| 4.2.4 改进的随机森林算法 | 第42-43页 |
| 4.2.5 基于超像素和随机森林的算法框架 | 第43页 |
| 4.3 实验结果及分析 | 第43-47页 |
| 4.3.1 算法评价指标 | 第43-44页 |
| 4.3.2 实验结果与对比 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录A 本文作者在攻读硕士学位期间发表的论文 | 第53-54页 |
| 致谢 | 第54-55页 |
