| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1. 绪论 | 第8-16页 |
| 1.1 选题研究背景与意义 | 第8-9页 |
| 1.2 图像分割的国内外研究现状 | 第9-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文结构与章节安排 | 第13-16页 |
| 2. 相关理论 | 第16-32页 |
| 2.1 基于水平集方法的活动轮廓图像分割 | 第16-22页 |
| 2.1.1 水平集方法 | 第16-19页 |
| 2.1.2 CV活动轮廓模型 | 第19-22页 |
| 2.2 生成式方法 | 第22-27页 |
| 2.2.1 无监督的GMM概率模型 | 第23-25页 |
| 2.2.2 半监督的GMM概率模型 | 第25-27页 |
| 2.3 超像素方法 | 第27-31页 |
| 2.3.1 SLIC超像素 | 第28-29页 |
| 2.3.2 超像素力 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3. 融合活动轮廓模型和概率模型的图像分割方法 | 第32-50页 |
| 3.1 融合ACM和GMM的无监督图像分割方法 | 第32-44页 |
| 3.1.1 理论和算法描述 | 第32-37页 |
| 3.1.2 实验环境 | 第37-39页 |
| 3.1.3 实验结果与分析 | 第39-44页 |
| 3.2 引入半监督信息的ACM&GMM图像分割方法 | 第44-48页 |
| 3.2.1 理论与算法描述 | 第44-47页 |
| 3.2.2 实验环境 | 第47页 |
| 3.2.3 实验结果与分析 | 第47-48页 |
| 3.3 本章小结 | 第48-50页 |
| 4. 引入超像素力的图像分割方法 | 第50-62页 |
| 4.1 超像素力定义与算法描述 | 第50-53页 |
| 4.2 实验结果与分析 | 第53-60页 |
| 4.2.1 实验环境 | 第53页 |
| 4.2.2 实验结果与分析 | 第53-60页 |
| 4.3 本章小结 | 第60-62页 |
| 5. 总结与展望 | 第62-64页 |
| 5.1 论文主要工作总结 | 第62页 |
| 5.2 下一步工作及展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间所发表的学术论文目录 | 第70-71页 |