| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 图像前景提取的研究背景与意义 | 第11-12页 |
| 1.2 图像前景提取的发展历史 | 第12-15页 |
| 1.2.1 图像前景分割 | 第12-14页 |
| 1.2.2 图像抠图技术 | 第14-15页 |
| 1.3 本文主要研究工作 | 第15-16页 |
| 1.4 论文结构 | 第16-19页 |
| 第2章 图像前景提取的原理与方法介绍 | 第19-33页 |
| 2.1 相关概念 | 第19-21页 |
| 2.2 经典图像前景提取算法概述 | 第21-33页 |
| 2.2.1 Knockout算法、Ruzon-Tomasi算法、GrabCut算法 | 第21-22页 |
| 2.2.2 Poisson算法 | 第22-26页 |
| 2.2.3 Bayesian Matting | 第26-29页 |
| 2.2.4 Closed-Form算法 | 第29-33页 |
| 第3章 Poisson前景提取算法的分析与实现 | 第33-49页 |
| 3.1 Poisson前景提取算法的理论基础 | 第33-36页 |
| 3.1.1 Poisson方程 | 第33-34页 |
| 3.1.2 Poisson方程的求解方法 | 第34-35页 |
| 3.1.3 Poisson方程与Poisson前景提取算法 | 第35-36页 |
| 3.2 Poisson前景提取算法的基本原理及具体实现 | 第36-46页 |
| 3.2.1 Poisson前景提取算法基本公式推导 | 第36-37页 |
| 3.2.2 Poisson前景提取算法的实现 | 第37-46页 |
| 3.2.3 Poisson前景提取算法流程 | 第46页 |
| 3.3 Poisson前景提取算法优缺点分析 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于全局的Poisson前景提取算法 | 第49-67页 |
| 4.1 基于全局的前景提取算法的代价函数 | 第50-53页 |
| 4.1.1 代价函数 | 第50-51页 |
| 4.1.2 ω值的分析 | 第51-53页 |
| 4.2 基于全局的Poisson前景提取算法候选采样集的确定 | 第53-56页 |
| 4.2.1 基于全局的Poisson前景提取算法的候选采样集 | 第53-55页 |
| 4.2.2 候选前景、背景按亮度排序方法分析 | 第55-56页 |
| 4.3 未知像素的最优前景F和最优背景B的获得 | 第56-64页 |
| 4.3.1 初始化 | 第56页 |
| 4.3.2 扩散 | 第56-58页 |
| 4.3.3 搜索 | 第58-59页 |
| 4.3.4 扩散、搜索收敛于最优采样点的证明 | 第59-62页 |
| 4.3.5 未知像素最优前景、背景采样点获得算法 | 第62页 |
| 4.3.6 未知像素最优前景、背景采样点获得流程 | 第62-64页 |
| 4.4 求解Poisson方程完成前景提取 | 第64页 |
| 4.5 基于全局的Poisson前景提取算法 | 第64-65页 |
| 4.5.1 基于全局的Poisson前景提取算法实现 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第5章 实验及结果分析 | 第67-79页 |
| 5.1 MATLAB简介 | 第67-68页 |
| 5.1.1 MATLAB的优点 | 第67-68页 |
| 5.1.2 MATLAB的不足 | 第68页 |
| 5.2 基于全局的Poisson前景提取算法颜色代价比重ω的分析 | 第68-70页 |
| 5.3 Poisson算法、Bayesian算法、Closed-Form算法实验比较分析 | 第70-71页 |
| 5.4 Poisson算法和基于全局的Poisson算法采样点的比较分析 | 第71-75页 |
| 5.5 Poisson算法和基于全局的Poisson算法提取结果比较分析 | 第75-77页 |
| 5.6 本章小结 | 第77-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士学位期间的论文情况 | 第87页 |
