| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 图像分割 | 第9-15页 |
| 1.2.1 传统图像分割方法 | 第10-13页 |
| 1.2.2 聚类分割方法 | 第13页 |
| 1.2.3 结合特定理论的分割方法 | 第13-14页 |
| 1.2.4 超像素分割方法 | 第14-15页 |
| 1.3 论文主要章节安排 | 第15-17页 |
| 第二章 超像素分割算法介绍 | 第17-31页 |
| 2.1 基于图论的算法 | 第17-22页 |
| 2.1.1 基于图的算法 | 第17-18页 |
| 2.1.2 归一化割算法 | 第18页 |
| 2.1.3 基于能量驱动的算法 | 第18-19页 |
| 2.1.4 基于熵率的算法 | 第19-21页 |
| 2.1.5 GCa & GCb算法 | 第21-22页 |
| 2.2 基于梯度上升的算法 | 第22-26页 |
| 2.2.1 分水岭算法 | 第22-23页 |
| 2.2.2 TurboPixels算法 | 第23-25页 |
| 2.2.3 简单线性迭代聚类算法 | 第25-26页 |
| 2.3 超像素分割评价 | 第26-27页 |
| 2.3.1 分割质量评价 | 第26页 |
| 2.3.2 紧密度评价 | 第26页 |
| 2.3.3 算法可控性评价 | 第26-27页 |
| 2.4 实验结果及分析 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于SLIC超像素与区域生长的图像分割算法 | 第31-45页 |
| 3.1 SLIC初始分割 | 第31-34页 |
| 3.1.1 颜色空间转换 | 第32页 |
| 3.1.2 超像素分割实验 | 第32-34页 |
| 3.2 超像素块区域生长 | 第34-38页 |
| 3.2.1 种子区域选取 | 第34-35页 |
| 3.2.2 生长准则 | 第35-36页 |
| 3.2.3 邻接矩阵 | 第36页 |
| 3.2.4 小区域消解 | 第36-38页 |
| 3.3 实验结果及分析 | 第38-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 基于超像素的医学CT图像分割 | 第45-53页 |
| 4.1 医学图像分割研究现状 | 第45-46页 |
| 4.2 基于超像素的医学图像分割 | 第46-48页 |
| 4.2.1 超像素初始分割 | 第46页 |
| 4.2.2 纹理分析 | 第46-47页 |
| 4.2.3 超像素相似性计算 | 第47-48页 |
| 4.2.4 区域生长 | 第48页 |
| 4.3 实验结果及分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士研究生期间取得学术成果和参加的科研项目 | 第59-61页 |
| 致谢 | 第61-62页 |