基于Grab Cut自然图像分割算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像处理技术 | 第12-13页 |
| 1.2.2 图像分割技术 | 第13-16页 |
| 1.3 本文的研究内容和创新点 | 第16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第2章 自然图像分割算法 | 第19-41页 |
| 2.1 图像去噪的算法 | 第19-24页 |
| 2.1.1 传统的图像去噪方法 | 第19-21页 |
| 2.1.2 边缘保持去噪方法 | 第21-22页 |
| 2.1.3 其他去噪方法 | 第22-24页 |
| 2.2 图像分割技术 | 第24-32页 |
| 2.2.1 基于阈值的图像分割算法 | 第24-26页 |
| 2.2.2 基于区域的图像分割算法 | 第26-27页 |
| 2.2.3 基于边缘的图像分割算法 | 第27-28页 |
| 2.2.4 基于能量泛函的图像分割算法 | 第28-32页 |
| 2.2.5 基于图论的图像分割算法 | 第32页 |
| 2.3 图论的相关技术 | 第32-39页 |
| 2.3.1 图的相关定义 | 第32-34页 |
| 2.3.2 图的表示 | 第34页 |
| 2.3.3 图论相关算法 | 第34-37页 |
| 2.3.4 基于图论的图像分割算法 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第3章 基于Grab Cut改进的图像分割方法 | 第41-57页 |
| 3.1 Grab Cut图像分割算法 | 第41-49页 |
| 3.1.1 Grab Cut算法的研究现状 | 第41-42页 |
| 3.1.2 Grab Cut算法的基本理论 | 第42-45页 |
| 3.1.3 建立颜色模型 | 第45-48页 |
| 3.1.4 最小化能量函数 | 第48-49页 |
| 3.2 Grab Cut图像分割算法的改进 | 第49-52页 |
| 3.2.1 针对小目标图像分割的改进 | 第49-51页 |
| 3.2.2 能量函数的改进 | 第51-52页 |
| 3.3 实验结果与分析 | 第52-55页 |
| 3.3.1 针对小目标图像改进Grab Cut | 第52-54页 |
| 3.3.2 改进能量函数 | 第54-55页 |
| 3.4 本章小结 | 第55-57页 |
| 第4章 结合引导滤波器的Grab Cut改进方法 | 第57-71页 |
| 4.1 引导滤波器 | 第57-65页 |
| 4.1.1 引导滤波器的定义 | 第57-60页 |
| 4.1.2 引导滤波器的内核 | 第60-61页 |
| 4.1.3 引导滤波器的特性 | 第61-65页 |
| 4.2 结合引导滤波的Grab Cut改进 | 第65-67页 |
| 4.3 实验结果与分析 | 第67-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第5章 序列图像自动分割方法 | 第71-79页 |
| 5.1 序列图像的目标分割 | 第71-73页 |
| 5.1.1 序列图像目标分割的定义 | 第71页 |
| 5.1.2 序列图像目标分割技术 | 第71-73页 |
| 5.2 序列图像自动化分割 | 第73-76页 |
| 5.3 实验结果与分析 | 第76-77页 |
| 5.4 本章小结 | 第77-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间参与的项目 | 第87页 |
