| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究的目的意义 | 第8页 |
| 1.2 树木图像分割研究现状 | 第8-9页 |
| 1.3 抠图算法图像分割的研究现状 | 第9-10页 |
| 1.4 主要研究内容 | 第10-11页 |
| 1.5 技术路线 | 第11-12页 |
| 2 彩色树木图像传统分割方法 | 第12-22页 |
| 2.1 彩色树木图像库 | 第12-15页 |
| 2.2 基于二维最大熵的树木图像分割 | 第15-18页 |
| 2.2.1 二维最大熵基本原理 | 第15-16页 |
| 2.2.2 K-mean聚类 | 第16-17页 |
| 2.2.3 基于二维最大熵的树木图像分割实验结果与分析 | 第17-18页 |
| 2.3 基于分水岭的树木图像分割 | 第18-20页 |
| 2.3.1 分水岭分割基本原理 | 第18-19页 |
| 2.3.2 基于分水岭的树木图像分割实验结果与分析 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 基于Bayes抠图算法的彩色树木彩色图像分割 | 第22-33页 |
| 3.1 抠图技术基本原理 | 第22页 |
| 3.2 基于交互式图像分割的三分图生成算法 | 第22-23页 |
| 3.3 Bayes抠图算法原理 | 第23-25页 |
| 3.4 传统Bayes抠图算法实验结果 | 第25-27页 |
| 3.5 Bayes抠图改进算法 | 第27-28页 |
| 3.6 Bayes抠图改进算法图像分割实验步骤 | 第28页 |
| 3.7 Bayes抠图改进算法实验结果与分析 | 第28-32页 |
| 3.8 本章小结 | 第32-33页 |
| 4 基于Poisson抠图算法的彩色树木图像分割 | 第33-42页 |
| 4.1 Poisson抠图算法原理 | 第33-34页 |
| 4.2 传统Poisson抠图算法实验结果 | 第34-35页 |
| 4.3 基于区域生长的改进Poisson抠图算法 | 第35-37页 |
| 4.3.1 区域生长算法介绍 | 第36-37页 |
| 4.4 Poisson抠图改进算法图像分割实验步骤 | 第37-38页 |
| 4.5 Poisson抠图改进算法实验结果对比与分析 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 基于Robust抠图算法的彩色树木图像分割 | 第42-52页 |
| 5.1 Robust抠图算法原理 | 第42-43页 |
| 5.2 传统Robust抠图算法实验结果 | 第43-45页 |
| 5.3 Robust抠图改进算法 | 第45-47页 |
| 5.4 Robust抠图改进算法实验步骤 | 第47页 |
| 5.5 Robust抠图改进算法的实验结果与分析 | 第47-51页 |
| 5.6 本章小结 | 第51-52页 |
| 6 彩色树木图像分割抠图改进算法的比较分析 | 第52-55页 |
| 6.1 抠图效果对比 | 第52-53页 |
| 6.2 抠图速度对比 | 第53-54页 |
| 6.3 抠图算法的综合评价 | 第54页 |
| 6.4 本章小结 | 第54-55页 |
| 7 树木图像分割实验软件系统 | 第55-66页 |
| 7.1 图像用户界面 | 第55页 |
| 7.2 实验系统的设计 | 第55-58页 |
| 7.3 实验系统主界面实现 | 第58-65页 |
| 7.3.1 文件菜单 | 第58-60页 |
| 7.3.2 Bayes抠图算法菜单 | 第60-65页 |
| 7.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72-73页 |
