| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 一 绪论 | 第9-15页 |
| 1 课题研究背景和意义 | 第9-11页 |
| 2 研究现状和研究方法 | 第11-12页 |
| 3 本文工作 | 第12-13页 |
| 4 论文组织安排 | 第13-15页 |
| 二 显著性检测和分割 | 第15-33页 |
| 1 引言 | 第15-16页 |
| 2 显著性检测过程和标准 | 第16-19页 |
| ·检测处理过程和图像显著性特征 | 第16-18页 |
| ·图像的显著性检测标准 | 第18-19页 |
| 3 典型的显著性检测方法 | 第19-24页 |
| ·基于时空线索的显著性检测方法 | 第20-21页 |
| ·基于谱残差的显著性检测方法 | 第21-22页 |
| ·基于直方图统计的对比度显著性检测方法（HC 方法） | 第22-23页 |
| ·基于区域对比度显著性检测方法（RC 方法） | 第23-24页 |
| 4 本文中的显著性检测方法 | 第24-27页 |
| 5 基于显著性的分割 | 第27-31页 |
| ·图像分割 | 第28-29页 |
| ·基于显著性检测的固定阈值分割 | 第29页 |
| ·基于显著性检测的动态阈值分割 | 第29-31页 |
| 6 本章小结 | 第31-33页 |
| 三 图像均匀风格化 | 第33-43页 |
| 1 引言 | 第33-34页 |
| 2 图像平滑 | 第34-36页 |
| 3 经典的线条绘制方法 | 第36-39页 |
| ·Sobel 算子 | 第36页 |
| ·Laplacian 算子 | 第36-37页 |
| ·Canny 算子 | 第37-38页 |
| ·几种方法的结果对比 | 第38-39页 |
| 4 新的线条绘制方法 | 第39-41页 |
| ·基于小波变换的边缘绘制 | 第39页 |
| ·基于神经网络的边缘绘制 | 第39-40页 |
| ·基于数学形态学的边缘绘制 | 第40页 |
| ·基于曲面拟合的边缘绘制 | 第40页 |
| ·基于模糊理论的边缘绘制 | 第40-41页 |
| 5 颜色块模拟 | 第41-42页 |
| 6 实验结果与分析 | 第42页 |
| 7 本章小结 | 第42-43页 |
| 四 图像非均匀卡通风格化 | 第43-53页 |
| 1 引言 | 第43-44页 |
| 2 本文的算法 | 第44-51页 |
| ·算法框架 | 第44-45页 |
| ·感兴趣区域函数图 | 第45-47页 |
| ·基于流场的线条绘制 | 第47-49页 |
| ·非均匀双边滤波和线条提取 | 第49-51页 |
| 3 实验结果与分析 | 第51-52页 |
| 4 本章小结 | 第52-53页 |
| 五 总结和展望 | 第53-55页 |
| 1 工作总结 | 第53页 |
| 2 下一步工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文 | 第61页 |