基于超像素分割的服饰提取算法研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 图像分割相关技术的研究现状 | 第12-13页 |
| 1.2.2 服饰提取相关技术的研究现状 | 第13-14页 |
| 1.3 本文的主要内容及章节安排 | 第14-16页 |
| 第2章 超像素分割与服饰提取相关技术 | 第16-23页 |
| 2.1 超像素分割相关技术 | 第16-19页 |
| 2.1.1 图论分割方法 | 第16-17页 |
| 2.1.2 归一化分割方法 | 第17页 |
| 2.1.3 基于熵率的方法 | 第17-18页 |
| 2.1.4 SLIC方法 | 第18-19页 |
| 2.2 图像特征提取相关技术 | 第19-22页 |
| 2.2.1 颜色特征 | 第19-21页 |
| 2.2.2 纹理特征 | 第21页 |
| 2.2.3 形状特征 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 结合姿势检测和区域比较的服饰提取算法 | 第23-41页 |
| 3.1 服饰提取算法框架 | 第23-24页 |
| 3.2 超像素分割算法选择 | 第24-27页 |
| 3.2.1 超像素分割视觉效果对比 | 第24-25页 |
| 3.2.2 超像素分割运行时间对比 | 第25-26页 |
| 3.2.3 基于SLIC算法的服饰区域分割 | 第26-27页 |
| 3.3 姿势检测 | 第27-29页 |
| 3.3.1 算法描述 | 第28-29页 |
| 3.3.2 姿势检测示例 | 第29页 |
| 3.4 基于区域比较的服饰提取算法 | 第29-34页 |
| 3.4.1 服饰区域初定位 | 第29-30页 |
| 3.4.2 基于区域的迭代聚类 | 第30-34页 |
| 3.5 实验 | 第34-40页 |
| 3.5.1 实验数据集 | 第35-36页 |
| 3.5.2 实验评价方法 | 第36-37页 |
| 3.5.3 服饰提取算法的性能分析 | 第37-38页 |
| 3.5.4 服饰提取算法结果示例和分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于衣物属性和人体结构的服饰提取优化 | 第41-58页 |
| 4.1 算法概述 | 第41-42页 |
| 4.2 基于重要性和完整性的服饰提取优化 | 第42-44页 |
| 4.2.1 基于重要性的服饰提取优化 | 第42-44页 |
| 4.2.2 基于完整性的服饰提取优化 | 第44页 |
| 4.3 结合人脸检测和躯干模型的躯干估计 | 第44-49页 |
| 4.3.1 人脸检测 | 第45-46页 |
| 4.3.2 人体躯干的先验知识 | 第46-47页 |
| 4.3.3 基于最大后验概率的躯干模型 | 第47-49页 |
| 4.4 基于人体结构的超像素优化 | 第49-50页 |
| 4.4.1 人体结构 | 第49页 |
| 4.4.2 服饰区域重分配 | 第49-50页 |
| 4.5 基于GrabCut的像素级优化 | 第50-51页 |
| 4.6 实验 | 第51-57页 |
| 4.6.1 实验数据集和评价指标 | 第51-52页 |
| 4.6.2 服饰提取优化的性能分析 | 第52-54页 |
| 4.6.3 服饰提取优化结果的示例与分析 | 第54-55页 |
| 4.6.4 服饰提取在视觉搜索中的应用示例 | 第55-57页 |
| 4.7 本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
