| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究历史及现状 | 第8-11页 |
| 1.3 相关工作及本文的创作动机 | 第11-12页 |
| 1.4 本文的章节安排 | 第12-14页 |
| 2 相关基本知识介绍 | 第14-23页 |
| 2.1 超像素 | 第14-17页 |
| 2.1.1 SLIC超像素 | 第14-15页 |
| 2.1.2 FH超像素 | 第15-17页 |
| 2.2 排序支持向量机 | 第17-19页 |
| 2.2.1 支持向量机(SVM) | 第17-18页 |
| 2.2.2 排序支持向量机(Ranking SVM) | 第18-19页 |
| 2.3 通用物体检测 | 第19-22页 |
| 2.3.1 边界框分割(Bounding box proposals) | 第19-20页 |
| 2.3.2 部分分割(Segment proposals) | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于物体分割的高维特征排序的显著种子选择 | 第23-32页 |
| 3.1 算法概述 | 第23页 |
| 3.2 产生物体分割 | 第23-25页 |
| 3.2.1 初始物体分割 | 第23-25页 |
| 3.2.2 精简候选集 | 第25页 |
| 3.3 多层次特征提取 | 第25-28页 |
| 3.3.1 域层特性 | 第25-27页 |
| 3.3.2 超像素层特性 | 第27-28页 |
| 3.4 基于学习的分割排序 | 第28-30页 |
| 3.5 分割的融合 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 实验内容与结果分析 | 第32-46页 |
| 4.1 图像库及评估指标介绍 | 第32-35页 |
| 4.1.1 图像库 | 第32-33页 |
| 4.1.2 评估指标 | 第33-35页 |
| 4.2 实验参数设置 | 第35页 |
| 4.3 实验结果与分析 | 第35-44页 |
| 4.3.1 分层特征有效性的验证 | 第35-36页 |
| 4.3.2 与经典算法的比较 | 第36-40页 |
| 4.3.3 种子图在传播模型上的应用 | 第40-43页 |
| 4.3.4 本文存在的问题及未来的工作 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
