多视图三维重建的图像预处理算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 图像相似度度量研究现状 | 第10-11页 |
| 1.2.2 图像前景分割研究现状 | 第11-12页 |
| 1.3 论文研究内容和结构安排 | 第12-15页 |
| 2 相关基础理论 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 颜色特征及其提取 | 第15-16页 |
| 2.3 纹理特征及其提取 | 第16-18页 |
| 2.3.1 基于自相关函数的纹理特征提取 | 第16-17页 |
| 2.3.2 基于灰度差分统计的纹理特征提取 | 第17-18页 |
| 2.4 图像前景分割方法 | 第18-24页 |
| 2.4.1 基于阈值的前景分割方法 | 第18-22页 |
| 2.4.2 基于图论的前景分割方法 | 第22-24页 |
| 2.5 小结 | 第24-27页 |
| 3 基于分块图像颜色特征的图像相似度度量算法 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 图像预处理与颜色空间分类 | 第27-31页 |
| 3.2.1 图像预处理 | 第27-28页 |
| 3.2.2 图像颜色空间分类 | 第28-31页 |
| 3.3 算法设计与实现 | 第31-33页 |
| 3.4 实验与结果分析 | 第33-36页 |
| 3.4.1 实验环境设置 | 第33页 |
| 3.4.2 实验结果与分析 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 4 基于Grab Cut的图像前景多像素提取算法 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 高斯混合模型 | 第37-38页 |
| 4.3 Grab Cut算法 | 第38-40页 |
| 4.3.1 图像S-T网络图能量函数 | 第38-39页 |
| 4.3.2 S-T网络图能量最小化 | 第39-40页 |
| 4.4 算法设计与实现 | 第40-41页 |
| 4.5 实验与结果分析 | 第41-44页 |
| 4.5.1 实验环境设置 | 第41-42页 |
| 4.5.2 实验结果与分析 | 第42-44页 |
| 4.6 小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间的科研成果 | 第52-53页 |
