| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究现状 | 第12-18页 |
| 1.2.1 图像分割方法研究现状 | 第12-14页 |
| 1.2.2 基于图论的图像分割方法研究现状 | 第14-17页 |
| 1.2.3 协同分割方法研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.3.1 研究目标 | 第18页 |
| 1.3.2 研究内容 | 第18-19页 |
| 1.3.3 主要问题和难点 | 第19页 |
| 1.4 论文结构 | 第19-21页 |
| 第2章 准备知识 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 超像素 | 第21-24页 |
| 2.2.1 基于图论的算法 | 第21-22页 |
| 2.2.2 基于聚类的算法 | 第22-24页 |
| 2.3 显著性检测 | 第24-26页 |
| 2.4 高斯混合模型和期望最大化算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 超像素的特征提取与相似性度量方法 | 第29-36页 |
| 3.1 引言 | 第29页 |
| 3.2 特征提取方法 | 第29-31页 |
| 3.2.1 颜色均值特征和颜色直方图特征 | 第29-30页 |
| 3.2.2 LBP纹理直方图特征 | 第30-31页 |
| 3.2.3 视觉单词 | 第31页 |
| 3.2.4 高斯特征描述符 | 第31页 |
| 3.3 相似性度量方法 | 第31-34页 |
| 3.3.1 直方图相交 | 第32页 |
| 3.3.2 闵可夫斯基距离 | 第32页 |
| 3.3.3 卡方距离（Chi-square） | 第32-33页 |
| 3.3.4 巴氏系数（Bhattacharyya coefficient） | 第33页 |
| 3.3.5 KL散度（Kullback–Leibler divergence） | 第33-34页 |
| 3.4 本文采用的超像素特征表达方式和相似性衡量标准 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于超像素的快速Grab Cut图像分割 | 第36-44页 |
| 4.1 引言 | 第36-37页 |
| 4.2 Grab cut方法分析 | 第37-38页 |
| 4.3 改进的Grab cut算法 | 第38-40页 |
| 4.3.1 前景/背景点采样 | 第38-40页 |
| 4.3.2 基于超像素的Graph cuts模型 | 第40页 |
| 4.4 算法描述以及分析 | 第40-41页 |
| 4.5 实验 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于混合链接模型的多视角图像协同分割 | 第44-55页 |
| 5.1 引言 | 第44-45页 |
| 5.2 基于混合链接模型的多视角图像分割方法 | 第45-49页 |
| 5.2.1 超像素跟踪和混合链接模型 | 第45-46页 |
| 5.2.2 采样点过滤 | 第46-48页 |
| 5.2.3 采样点扩散 | 第48-49页 |
| 5.2.4 图像分割 | 第49页 |
| 5.3 算法描述及分析 | 第49-52页 |
| 5.4 实验 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 本文的工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读学位期间发表论文与研究成果清单 | 第63-64页 |
| 致谢 | 第64页 |
