| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1.绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文的研究内容 | 第14页 |
| 1.4 本文主要工作及结构安排 | 第14-16页 |
| 2.图模型 | 第16-28页 |
| 2.1 图模型 | 第16-23页 |
| 2.1.1 图模型的不同描述与记法 | 第17-19页 |
| 2.1.2 对图模型进行的不同形式推理 | 第19-20页 |
| 2.1.3 概率图模型的学习 | 第20页 |
| 2.1.4 典型的图模型 | 第20-22页 |
| 2.1.5 近似推理的加速 | 第22-23页 |
| 2.2 基于图模型的图像分割技术研究 | 第23页 |
| 2.3 马尔科夫随机场 | 第23-24页 |
| 2.4 Potts模型衍变的图像分割算法 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3.能量最小化模型 | 第28-35页 |
| 3.1 能量最小化 | 第28页 |
| 3.2 能量最小化模型衍变的图像分割算法 | 第28-34页 |
| 3.2.1 水平集方法 | 第28-31页 |
| 3.2.2 C-V模型 | 第31-33页 |
| 3.2.3 GrabCut算法 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4.基于图模型能量最小化的图像分割方法的理论与实验 | 第35-53页 |
| 4.1 基于MRF的图像分割像素粗糙程度修改算法 | 第36-40页 |
| 4.1.1 MRF | 第36-37页 |
| 4.1.2 算法的原理 | 第37-38页 |
| 4.1.3 算法实现应用 | 第38-40页 |
| 4.2 C-V模型和变分水平集的介绍 | 第40-42页 |
| 4.3 图与图割 | 第42-43页 |
| 4.4 图割优化能量的最小化模型 | 第43-46页 |
| 4.4.1 描述水平集泛函的离散化 | 第43-45页 |
| 4.4.2 新算法模型 | 第45-46页 |
| 4.5 图表达式与证明 | 第46-47页 |
| 4.6 算法的应用技术 | 第47-49页 |
| 4.7 实验的验证及效果分析 | 第49-52页 |
| 4.8 本章小结 | 第52-53页 |
| 5.总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录：攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |