基于法向量与曲率结合的深度图像分割
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·深度图像分割方法的发展与现状 | 第11-16页 |
| ·深度图像边缘检测算法的发展现状 | 第12-14页 |
| ·深度图像区域分割算法的研究现状 | 第14-16页 |
| ·论文课题来源及主要研究内容 | 第16-18页 |
| 第2章 深度图像的获取与滤波 | 第18-31页 |
| ·引言 | 第18页 |
| ·深度图像获取原理及实验 | 第18-27页 |
| ·深度图像获取的一般方法 | 第18-21页 |
| ·双目视觉测量系统 | 第21-24页 |
| ·实验步骤及结果 | 第24-27页 |
| ·深度图像滤波 | 第27-30页 |
| ·均值滤波 | 第27页 |
| ·中值滤波 | 第27-28页 |
| ·改进的中值滤波 | 第28-30页 |
| ·滤波实验结果 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于法向量的深度图像区域分割 | 第31-42页 |
| ·引言 | 第31页 |
| ·预备知识 | 第31-33页 |
| ·欧式空间 | 第31-32页 |
| ·法向量 | 第32-33页 |
| ·梯度 | 第33页 |
| ·法向量深度图像分割方案 | 第33-40页 |
| ·梯度特征提取 | 第34-35页 |
| ·区域分割 | 第35-37页 |
| ·区域融合规则 | 第37-40页 |
| ·实验结果和分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 法向量结合曲率的深度图像分割方法 | 第42-51页 |
| ·引言 | 第42页 |
| ·法向量结合曲率的深度分割方案设计 | 第42页 |
| ·曲率特征值的提取 | 第42-43页 |
| ·基于曲率边缘检测 | 第43-45页 |
| ·法向量与曲率的融合 | 第45页 |
| ·算法流程 | 第45-46页 |
| ·实验结果对比 | 第46-48页 |
| ·深度图像分割评价 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的学术论 | 第55-56页 |
| 致谢 | 第56页 |
