基于测地距离的图像前景区域提取算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 前景提取的国内外研究现状 | 第12-16页 |
| 1.2.1 图像目标区域提取方法 | 第12-13页 |
| 1.2.2 超像素在前景提取中的应用 | 第13-15页 |
| 1.2.3 显著性检测在前景提取中的应用 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 图像前景提取的相关理论 | 第18-25页 |
| 2.1 CIELab颜色空间 | 第18-19页 |
| 2.2 测地距离 | 第19-21页 |
| 2.2.1 测地距离的概念及性质 | 第19-20页 |
| 2.2.2 测地距离的计算方法 | 第20-21页 |
| 2.3 超像素分割 | 第21-25页 |
| 2.3.1 HAIC超像素分割 | 第21-22页 |
| 2.3.2 基于双边测地距离的超像素分割 | 第22-25页 |
| 第3章 基于区域生长的显著目标自动提取 | 第25-37页 |
| 3.1 算法基本思想 | 第25页 |
| 3.2 SCG显著性检测 | 第25-27页 |
| 3.3 结合扫描线的区域生长改进算法 | 第27-31页 |
| 3.3.1 确定背景颜色大致范围 | 第27-28页 |
| 3.3.2 种子点自动选取 | 第28-29页 |
| 3.3.3 区域合并及后处理 | 第29-31页 |
| 3.4 实验结果及分析 | 第31-35页 |
| 3.5 成果应用 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于测地距离和概率估计的显著性检测 | 第37-46页 |
| 4.1 算法基本思想 | 第37页 |
| 4.2 背景概率估计 | 第37-42页 |
| 4.3 显著图优化 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于测地距离的交互式图像前景提取 | 第46-56页 |
| 5.1 算法基本思想 | 第46页 |
| 5.2 基于测地距离和概率估计的显著性检测应用 | 第46-49页 |
| 5.2.1 前景概率估计 | 第46-47页 |
| 5.2.2 GraphCut | 第47-49页 |
| 5.3 动态梯度扩散法 | 第49-52页 |
| 5.4 边界修正 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 论文工作总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 攻读学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
