| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第16-42页 |
| 1.1 课题研究背景及意义 | 第16-18页 |
| 1.2 图像分割方法及研究现状 | 第18-35页 |
| 1.2.1 非监督的分割方法 | 第19-26页 |
| 1.2.2 弱/半监督的分割方法 | 第26-32页 |
| 1.2.3 完全监督的分割算法 | 第32-35页 |
| 1.3 图像分割的发展趋势与存在的问题和解决思路 | 第35-39页 |
| 1.4 本文的主要研究内容与贡献 | 第39-40页 |
| 1.5 本文的结构 | 第40-42页 |
| 第2章 基于超像素的协同分割算法综述与相关理论 | 第42-56页 |
| 2.1 基于超像素的协同分割算法研究现状 | 第42-44页 |
| 2.2 图像分割评价指标 | 第44-46页 |
| 2.3 协同分割常用测试数据集 | 第46-48页 |
| 2.4 相关理论与技术 | 第48-54页 |
| 2.4.1 超像素分割技术 | 第48-49页 |
| 2.4.2 视觉显著性 | 第49-52页 |
| 2.4.3 Dense-SIFT算法 | 第52-53页 |
| 2.4.4 高斯混合模型(GMM) | 第53-54页 |
| 2.4.5 空间金字塔匹配(SPM)模型 | 第54页 |
| 2.5 本章小结 | 第54-56页 |
| 第3章 基于目标发现与树图约束的单目标协同分割 | 第56-80页 |
| 3.1 算法概述 | 第59-65页 |
| 3.1.1 前景目标发现机制 | 第59-62页 |
| 3.1.2 前(背)景模型 | 第62-64页 |
| 3.1.3 单目标分割能量模型 | 第64-65页 |
| 3.2 能量模型优化求解 | 第65-69页 |
| 3.2.1 树图的基本假设 | 第65-66页 |
| 3.2.2 生成前景目标候选者集合 | 第66-67页 |
| 3.2.3 推断最大生成树 | 第67-69页 |
| 3.2.4 基于树图约束的迭代算法 | 第69页 |
| 3.3 实验结果与分析 | 第69-79页 |
| 3.3.1 算法复杂度 | 第70-71页 |
| 3.3.2 迭代的超像素配置 | 第71-72页 |
| 3.3.3 iCoseg数据集测试结果 | 第72-75页 |
| 3.3.4 UCSD Birds数据集测试结果 | 第75-77页 |
| 3.3.5 相关讨论 | 第77-79页 |
| 3.4 本章小结 | 第79-80页 |
| 第4章 基于高维特征学习与森林图约束的多目标协同分割 | 第80-92页 |
| 4.1 相关背景工作 | 第80-81页 |
| 4.2 算法概述 | 第81-85页 |
| 4.2.1 基于高维特征学习的粗分割 | 第82-83页 |
| 4.2.2 多目标分割能量模型 | 第83-85页 |
| 4.3 能量模型优化求解 | 第85-88页 |
| 4.3.1 森林图的基本假设 | 第85页 |
| 4.3.2 生成候选集合 | 第85-86页 |
| 4.3.3 基于最大生成树的森林图推断 | 第86页 |
| 4.3.4 基于森林图约束的迭代算法 | 第86-88页 |
| 4.4 实验结果与分析 | 第88-90页 |
| 4.4.1 iCoseg数据集测试结果 | 第88-89页 |
| 4.4.2 MSRC数据集测试结果 | 第89-90页 |
| 4.4.3 Weizmann Horse数据集测试结果 | 第90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 融合感知信息的目标联合分割模型 | 第92-113页 |
| 5.1 相关背景工作 | 第92-95页 |
| 5.2 融合感知信息的统一联合分割模型 | 第95-101页 |
| 5.2.1 基于组合优化的能量模型 | 第95-96页 |
| 5.2.2 前景似然项 | 第96页 |
| 5.2.3 目标外观模型 | 第96-97页 |
| 5.2.4 感知信息项 | 第97-101页 |
| 5.3 能量模型优化求解 | 第101-106页 |
| 5.3.1 初始化 | 第102页 |
| 5.3.2 基本假设 | 第102-103页 |
| 5.3.3 基于感知信息的结构化森林框架 | 第103-105页 |
| 5.3.4 整体算法流程 | 第105-106页 |
| 5.4 实验结果与分析 | 第106-112页 |
| 5.4.1 计算复杂度 | 第107页 |
| 5.4.2 iCoseg数据集分割结果 | 第107-110页 |
| 5.4.3 UCSD Birds数据集分割结果 | 第110-112页 |
| 5.5 本章小结 | 第112-113页 |
| 第6章 基于种子超像素与图约束的目标同时搜索与分割 | 第113-138页 |
| 6.1 相关背景工作 | 第113-117页 |
| 6.1.1 视觉目标搜索 | 第116-117页 |
| 6.1.2 视觉目标分割 | 第117页 |
| 6.2 算法概述 | 第117-125页 |
| 6.2.1 分层式最具有鉴别性超像素匹配 | 第117-121页 |
| 6.2.2 目标外观模型 | 第121-123页 |
| 6.2.3 基于种子超像素约束的同时搜索与分割能量模型 | 第123-125页 |
| 6.3 能量模型优化求解 | 第125-128页 |
| 6.3.1 同时搜索与分割结果的基本假设 | 第125页 |
| 6.3.2 基于种子超像素约束的最大生成树推断 | 第125-128页 |
| 6.3.3 基于种子超像素的同时搜索与分割算法 | 第128页 |
| 6.4 实验结果与分析 | 第128-135页 |
| 6.4.1 算法复杂度与参数设定 | 第128-130页 |
| 6.4.2 FlickrMFC数据集测试结果 | 第130-134页 |
| 6.4.3 iCoseg数据集测试结果 | 第134-135页 |
| 6.5 本章小结 | 第135-138页 |
| 第7章 总结与展望 | 第138-141页 |
| 7.1 本文工作的总结 | 第138-139页 |
| 7.2 未来工作展望 | 第139-141页 |
| 参考文献 | 第141-159页 |
| 攻读博士学位期间主要的研究成果和参与课题 | 第159-160页 |
