| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 彩色图像分割的研究背景及意义 | 第8-9页 |
| 1.2 基于聚类的彩色图像分割 | 第9-12页 |
| 1.2.1 聚类研究现状 | 第9-10页 |
| 1.2.2 基于聚类的彩色图像分割技术 | 第10-11页 |
| 1.2.3 基于半监督聚类的彩色图像分割 | 第11-12页 |
| 1.3 论文的主要内容和结构安排 | 第12-14页 |
| 第2章 图像分割和谱聚类的理论基础 | 第14-22页 |
| 2.1 图像分割理论基础 | 第14-17页 |
| 2.1.1 图像分割模型 | 第14-15页 |
| 2.1.2 图像的描述和表示 | 第15页 |
| 2.1.3 图像的颜色空间 | 第15-17页 |
| 2.2 谱聚类基本理论 | 第17-19页 |
| 2.2.1 图划分准则 | 第17-19页 |
| 2.2.2 谱聚类算法 | 第19页 |
| 2.3 基于谱聚类的图像分割 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 基于超像素和区域特征的Nystrom彩色图像分割算法 | 第22-34页 |
| 3.1 超像素基本理论 | 第22-26页 |
| 3.1.1 超像素在图像分割中的意义 | 第22-23页 |
| 3.1.2 基于图论的方法 | 第23-24页 |
| 3.1.3 基于梯度下降算法的方法 | 第24-26页 |
| 3.2 基于超像素和区域特征的Nystrom谱聚类彩色图像分割算法 | 第26-30页 |
| 3.2.1 区域相似性构造 | 第26-27页 |
| 3.2.2 隔点采样法在Nystr?m算法中的应用 | 第27-29页 |
| 3.2.3 算法步骤 | 第29-30页 |
| 3.3 实验结果分析 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于人工采样的Nystrom谱聚类彩色图像分割算法 | 第34-40页 |
| 4.1 交互式计算机图像学 | 第34页 |
| 4.2 交互式标记目标和背景 | 第34-35页 |
| 4.3 基于人工采样的Nystrom谱聚类彩色图像分割算法 | 第35-37页 |
| 4.3.1 人工采样 | 第35-36页 |
| 4.3.2 采样信息在Nystrom算法中的应用 | 第36-37页 |
| 4.4 实验结果 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 基于半监督和模糊理论的谱聚类彩色图像分割算法 | 第40-48页 |
| 5.1 半监督谱聚类算法 | 第40页 |
| 5.2 模糊理论 | 第40-42页 |
| 5.3 基于半监督和模糊理论的谱聚类彩色图像分割算法 | 第42-44页 |
| 5.3.1 半监督的区域相似性构造 | 第42-44页 |
| 5.3.2 算法步骤 | 第44页 |
| 5.4 实验结果分析 | 第44-46页 |
| 5.5 本章小结 | 第46-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 參考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |
