| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-15页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文组织结构 | 第14-15页 |
| 第2章 基于局部特征的边缘检测算法介绍 | 第15-20页 |
| 2.1 Sobel算法 | 第15-16页 |
| 2.2 Canny算法 | 第16-18页 |
| 2.2.1 最佳边缘准则 | 第17页 |
| 2.2.2 算法的执行步骤 | 第17-18页 |
| 2.3 Sobel和Canny实验比较和分析 | 第18-20页 |
| 第3章 具有全局结构的轮廓检测算法介绍 | 第20-34页 |
| 3.1 Pb算法 | 第20-23页 |
| 3.1.1 图像特征 | 第21页 |
| 3.1.2 面向能量 | 第21页 |
| 3.1.3 基于梯度的特征 | 第21-23页 |
| 3.2 CRF算法 | 第23-28页 |
| 3.2.1 任意尺度下的曲线连接 | 第23-24页 |
| 3.2.2 模拟曲线连续性 | 第24-28页 |
| 3.3 min-cover算法 | 第28-33页 |
| 3.3.1 场景模型 | 第28-29页 |
| 3.3.2 求场景加权最小覆盖问题 | 第29-30页 |
| 3.3.3 贪心近似算法 | 第30-31页 |
| 3.3.4 计算最佳曲线（边界） | 第31-32页 |
| 3.3.5 Best-first搜索曲线算法 | 第32-33页 |
| 3.4 min-cover算法与CRF和Pb算法实验对比 | 第33-34页 |
| 第4章 自适应双阈值的蚁群算法 | 第34-41页 |
| 4.1 分布式自适应局部阈值的ACO算法(ACO with DATS) | 第34-37页 |
| 4.1.1 ACO算法原理 | 第35-36页 |
| 4.1.2 单一静态全局阈值面临的问题 | 第36页 |
| 4.1.3 自适应局部分布式阈值策略(DATS) | 第36-37页 |
| 4.2 采用Otsu方法计算全局阈值 | 第37页 |
| 4.3 实验设计和分析 | 第37-41页 |
| 4.3.1 实验结果对比和数据分析 | 第38-41页 |
| 第5章 结合多尺度局部特征和全局结构的边界检测 | 第41-55页 |
| 5.1 多维局部特征 | 第41-43页 |
| 5.2 多尺度局部特征的结合 | 第43页 |
| 5.3 全局采样抠图算法（Comprehensive Sampling Sets Matting） | 第43-48页 |
| 5.3.1 自然抠图算法介绍 | 第44页 |
| 5.3.2 采样点的选取问题 | 第44-45页 |
| 5.3.3 阐述如何选取候选采样点 | 第45-46页 |
| 5.3.4 颜色分布的重叠问题 | 第46页 |
| 5.3.5 选取最佳前景和背景对 | 第46-48页 |
| 5.4 生成全局采样抠图算法的trimap | 第48页 |
| 5.5 全局采样抠图算法和多尺度局部特征的结合 | 第48-49页 |
| 5.6 结果的评估方法 | 第49-51页 |
| 5.7 实验结果分析 | 第51-55页 |
| 第6章 实验结果对比和分析 | 第55-58页 |
| 第7章 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简介及科研成果 | 第63-64页 |
| 致谢 | 第64页 |
