| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 图像分割国内外发展现状 | 第10-11页 |
| 1.3 基于图割的图像分割 | 第11-13页 |
| 1.4 本文主要工作内容及创新 | 第13-17页 |
| 1.4.1 本文主要工作 | 第13-14页 |
| 1.4.2 本文创新内容 | 第14页 |
| 1.4.3 本文组织结构 | 第14-17页 |
| 第2章 研究基础 | 第17-27页 |
| 2.1 图割基本理论 | 第17-24页 |
| 2.1.1 马尔可夫随机场 | 第17-20页 |
| 2.1.2 网络流 | 第20-22页 |
| 2.1.3 最大流最小割理论 | 第22-23页 |
| 2.1.4 图像与图的映射 | 第23-24页 |
| 2.2 高斯混合模型 | 第24-25页 |
| 2.3 Grabcut算法 | 第25-27页 |
| 2.3.1 Grabcut算法分割理论 | 第25-26页 |
| 2.3.2 Grabcut算法分割流程 | 第26-27页 |
| 第3章 基于权值优化与纹理特征的快速图像分割算法 | 第27-35页 |
| 3.1 Grabcut算法改进分析 | 第27-28页 |
| 3.2 多尺度分水岭 | 第28页 |
| 3.3 基于权值优化与纹理特征的图像分割算法设计实现 | 第28-32页 |
| 3.3.1 颜色与CS-LBP纹理特征提取 | 第28-30页 |
| 3.3.2 网络权值优化 | 第30-31页 |
| 3.3.3 算法流程 | 第31-32页 |
| 3.4 实验结果对比与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于自适应形状先验的快速图像分割算法 | 第35-49页 |
| 4.1 多阶抽样高斯混合模型 | 第35-38页 |
| 4.2 基于自适应形状先验的图像分割算法设计实现 | 第38-42页 |
| 4.2.1 形状先验模型 | 第38-39页 |
| 4.2.2 模板仿射变换 | 第39-40页 |
| 4.2.3 自适应形状先验 | 第40-41页 |
| 4.2.4 算法流程 | 第41-42页 |
| 4.3 实验结果对比与分析 | 第42-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 攻读学位期间科研成果 | 第59页 |