| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 课题背景及研究意义 | 第16-17页 |
| 1.2 研究历史与现状 | 第17-22页 |
| 1.2.1 协同分割的发展历史 | 第17-18页 |
| 1.2.2 协同分割研究现状 | 第18-22页 |
| 1.2.2.1 图像分割算法的主要研究内容和现状概述 | 第18-19页 |
| 1.2.2.2 协同分割算法的主要研究内容和现状概述 | 第19-21页 |
| 1.2.2.3 协同分割面临的挑战 | 第21-22页 |
| 1.3 论文主要工作 | 第22-23页 |
| 1.4 论文内容安排 | 第23-26页 |
| 第二章 基于颜色底层特征的协同分割研究 | 第26-43页 |
| 2.1 引言 | 第26-27页 |
| 2.2 问题描述 | 第27页 |
| 2.3 相关工作 | 第27-29页 |
| 2.3.1 协同分割中的奖励策略 | 第27-28页 |
| 2.3.2 基于区域的主动轮廓模型 | 第28-29页 |
| 2.4 基于主动轮廓的协同分割模型 | 第29-33页 |
| 2.4.1 能量函数 | 第29-30页 |
| 2.4.2 区域描述 | 第30页 |
| 2.4.3 区域相似度衡量 | 第30页 |
| 2.4.4 能量函数的分析 | 第30-31页 |
| 2.4.5 水平集描述 | 第31页 |
| 2.4.6 能量函数优化 | 第31-33页 |
| 2.5 实验结果分析与讨论 | 第33-42页 |
| 2.5.1 参数设定 | 第33页 |
| 2.5.2 实验结果分析 | 第33-39页 |
| 2.5.3 讨论 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 基于显著性中层特征的协同分割研究 | 第43-63页 |
| 3.1 引言 | 第43页 |
| 3.2 问题描述 | 第43-44页 |
| 3.3 可能对象区域生成 | 第44-45页 |
| 3.4 可能对象有向图结构构建 | 第45-47页 |
| 3.5 权值计算 | 第47-50页 |
| 3.5.1 区域项 | 第47-48页 |
| 3.5.2 显著谱项 | 第48-50页 |
| 3.6 共同对象提取 | 第50页 |
| 3.7 实验结果分析与讨论 | 第50-62页 |
| 3.7.1 所采用的数据库 | 第50-52页 |
| 3.7.2 主观结果评测 | 第52-55页 |
| 3.7.3 客观结果评测 | 第55-58页 |
| 3.7.4 讨论 | 第58-62页 |
| 3.8 本章小结 | 第62-63页 |
| 第四章 基于形状中层特征的协同分割研究 | 第63-77页 |
| 4.1 引言 | 第63页 |
| 4.2 问题描述 | 第63-64页 |
| 4.3 基于形状中层特征协同对象分割框架 | 第64-71页 |
| 4.3.1 方法概述 | 第64页 |
| 4.3.2 图像协同分割 | 第64-65页 |
| 4.3.3 形状模板生成 | 第65-71页 |
| 4.3.3.1 协同分割结果衡量 | 第65-66页 |
| 4.3.3.2 基于方向形状描述符的形状对齐 | 第66-69页 |
| 4.3.3.3 基于中值图理论的形状模型生成 | 第69-71页 |
| 4.3.4 未知图像感兴趣对象匹配 | 第71页 |
| 4.4 实验结果分析与讨论 | 第71-76页 |
| 4.4.1 参数设定 | 第71-72页 |
| 4.4.2 主观结果评测 | 第72-74页 |
| 4.4.3 客观结果评测 | 第74-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 特征自适应协同分割研究 | 第77-100页 |
| 5.1 引言 | 第77-79页 |
| 5.2 问题描述 | 第79页 |
| 5.3 图像复杂性分析 | 第79-83页 |
| 5.3.1 基于过分割的图像复杂性分析 | 第80-81页 |
| 5.3.2 基于对象检测的图像复杂性分析 | 第81-83页 |
| 5.3.3 图像复杂性排序 | 第83页 |
| 5.4 简单图像分割 | 第83页 |
| 5.5 自适应特征学习 | 第83-89页 |
| 5.5.1 特征模型 | 第83-84页 |
| 5.5.2 特征模型参数学习 | 第84-89页 |
| 5.5.2.1 参数p(θ )分布 | 第85页 |
| 5.5.2.2 p(z_i|X_i, θ~(old))分布 | 第85-86页 |
| 5.5.2.3 p(X~i, z_i|θ )分布 | 第86-87页 |
| 5.5.2.4 p(z~i)分布 | 第87页 |
| 5.5.2.5 的优化 | 第87-88页 |
| 5.5.2.6 实际应用 | 第88-89页 |
| 5.6 共同对象分割 | 第89页 |
| 5.7 实验结果分析与讨论 | 第89-99页 |
| 5.7.1 数据库 | 第89-90页 |
| 5.7.2 主观结果评测 | 第90-92页 |
| 5.7.3 客观结果评测 | 第92-96页 |
| 5.7.4 讨论 | 第96-99页 |
| 5.8 本章小结 | 第99-100页 |
| 第六章 多类前景及多组图像的协同分割研究 | 第100-127页 |
| 6.1 引言 | 第100-101页 |
| 6.2 问题描述 | 第101页 |
| 6.3 基于有向图聚类的多类前景协同分割方法 | 第101-114页 |
| 6.3.1 模型概述 | 第101-103页 |
| 6.3.2 有向图构建 | 第103-105页 |
| 6.3.2.1 图构建 | 第104页 |
| 6.3.2.2 K最近邻求取 | 第104-105页 |
| 6.3.3 有向图聚类 | 第105-107页 |
| 6.3.4 聚类合并 | 第107-108页 |
| 6.3.5 先验传播 | 第108-109页 |
| 6.3.6 实验结果分析与讨论 | 第109-114页 |
| 6.3.6.1 FlickrMFC图像库结果 | 第110-112页 |
| 6.3.6.2 ICoseg图像库的结果 | 第112-113页 |
| 6.3.6.3 讨论 | 第113-114页 |
| 6.4 多组图像协同分割方法 | 第114-125页 |
| 6.4.1 多组图像协同分割框架 | 第117-119页 |
| 6.4.1.1 问题描述 | 第117-118页 |
| 6.4.1.2 单组图像项E_S(?~i) | 第118页 |
| 6.4.1.3 多组图像项E_M(?~i, ?~(1?i)) | 第118页 |
| 6.4.1.4 单幅图像项E_I(?~i) | 第118-119页 |
| 6.4.1.5 优化 | 第119页 |
| 6.4.2 多组图像协同分割模型 | 第119-121页 |
| 6.4.3 实验结果分析与讨论 | 第121-125页 |
| 6.4.3.1 简单图像组到复杂图像组协同分割 | 第121-123页 |
| 6.4.3.2 多组训练图像协同分割 | 第123-124页 |
| 6.4.3.3 噪声图像协同分割 | 第124-125页 |
| 6.5 本章小结 | 第125-127页 |
| 第七章 相同场景的协同分割研究 | 第127-142页 |
| 7.1 引言 | 第127-129页 |
| 7.2 问题描述 | 第129页 |
| 7.3 相似场景协同分割模型 | 第129-136页 |
| 7.3.1 基础模型 | 第129-132页 |
| 7.3.1.1 多幅图像前景一致项 | 第130-131页 |
| 7.3.1.2 背景一致项 | 第131页 |
| 7.3.1.3 单幅图像分割项 | 第131-132页 |
| 7.3.1.4 模型分析 | 第132页 |
| 7.3.2 模型优化 | 第132-134页 |
| 7.3.2.1 水平集表示 | 第133页 |
| 7.3.2.2 单幅图像优化 | 第133-134页 |
| 7.3.2.3 图像组优化 | 第134页 |
| 7.3.3 算法加速 | 第134-135页 |
| 7.3.3.1 级联图像算法加速 | 第135页 |
| 7.3.3.2 超像素算法加速 | 第135页 |
| 7.3.4 模型算法 | 第135-136页 |
| 7.4 实验结果分析与讨论 | 第136-141页 |
| 7.4.1 图像库 | 第136页 |
| 7.4.2 参数设定 | 第136-137页 |
| 7.4.3 实验结果 | 第137-141页 |
| 7.4.3.1 17 Category Flower图像库 | 第137-138页 |
| 7.4.3.2 UCF运动视频库 | 第138-140页 |
| 7.4.3.3 ICoseg图像库 | 第140-141页 |
| 7.5 本章小结 | 第141-142页 |
| 第八章 协同分割在商标对象分割中的应用研究 | 第142-158页 |
| 8.1 引言 | 第142-143页 |
| 8.2 问题描述 | 第143-144页 |
| 8.3 商标对象分割模型 | 第144-150页 |
| 8.3.1 商标检测 | 第144-145页 |
| 8.3.2 对象轮廓提取及对象分割 | 第145-150页 |
| 8.3.2.1 分割模型 | 第145-146页 |
| 8.3.2.2 基于商标的对象轮廓先验 | 第146页 |
| 8.3.2.3 形状模型形变表示 | 第146-147页 |
| 8.3.2.4 参数α 及形变函数v | 第147-148页 |
| 8.3.2.5 衡量函数τ | 第148页 |
| 8.3.2.6 模型优化 | 第148-150页 |
| 8.3.2.7 对象提取 | 第150页 |
| 8.4 实验结果分析与讨论 | 第150-157页 |
| 8.4.1 参数设定 | 第150-151页 |
| 8.4.2 主观结果评测 | 第151-152页 |
| 8.4.3 客观结果评测 | 第152-155页 |
| 8.4.4 讨论 | 第155-157页 |
| 8.5 本章小结 | 第157-158页 |
| 第九章 总结与展望 | 第158-160页 |
| 9.1 总结及创新点 | 第158-159页 |
| 9.2 工作展望 | 第159-160页 |
| 致谢 | 第160-161页 |
| 参考文献 | 第161-174页 |
| 攻博期间取得的研究成果及参与的项目 | 第174-177页 |
