自然图像抠图算法研究与优化
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 蓝屏抠图 | 第13页 |
| 1.2.2 自然图像抠图 | 第13-14页 |
| 1.2.3 人工交互方式 | 第14-16页 |
| 1.2.4 自然图像抠图算法分类及研究重点 | 第16-21页 |
| 1.3 研究内容与主要工作 | 第21页 |
| 1.4 本文结构 | 第21-23页 |
| 第2章 预备知识 | 第23-32页 |
| 2.1 谱聚类 | 第23-26页 |
| 2.1.1 拉普拉斯矩阵 | 第23-24页 |
| 2.1.2 谱聚类算法流程 | 第24-25页 |
| 2.1.3 基于图论谱聚类过程推导 | 第25-26页 |
| 2.2 局部颜色线性模型及相关性质推导 | 第26-28页 |
| 2.2.1 局部平滑能量函数 | 第26-28页 |
| 2.2.2 抠图中拉普拉斯矩阵的计算方法 | 第28页 |
| 2.3 超像素 | 第28-30页 |
| 2.4 高斯混合模型 | 第30-31页 |
| 2.4.1 单高斯模型 | 第30-31页 |
| 2.4.2 高斯混合模型 | 第31页 |
| 2.5 小结 | 第31-32页 |
| 第3章 基于显著性检测的自动抠图算法 | 第32-45页 |
| 3.1 算法框架 | 第33-34页 |
| 3.2 显著性检测 | 第34-37页 |
| 3.2.1 图的构造 | 第34-35页 |
| 3.2.2 排序函数 | 第35-36页 |
| 3.2.3 改进的显著性图计算 | 第36-37页 |
| 3.3 改进的谱抠图算法 | 第37-39页 |
| 3.3.1 抠图掩码层 | 第38-39页 |
| 3.3.2 基于显著性信息抠图掩码层的分类 | 第39页 |
| 3.4 实验结果及分析 | 第39-44页 |
| 3.5 小结 | 第44-45页 |
| 第4章 基于局部采样优化的谱抠图算法 | 第45-55页 |
| 4.1 谱抠图算法优缺点分析 | 第45-46页 |
| 4.2 重建三分图 | 第46-48页 |
| 4.3 局部采样优化 | 第48-51页 |
| 4.3.1 样本采集 | 第48-49页 |
| 4.3.2 样本评估 | 第49-50页 |
| 4.3.3 平滑优化函数 | 第50-51页 |
| 4.4 算法流程 | 第51-52页 |
| 4.5 实验结果及讨论 | 第52-54页 |
| 4.6 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录A 攻读硕士学位期间发表的论文和参加的项目 | 第61-62页 |
| 致谢 | 第62页 |
