基于立体视觉的边界提取研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·引言 | 第12-13页 |
| ·边界检测与传统的边缘检测的区别 | 第13-15页 |
| ·国内外研究历史与现状 | 第15-16页 |
| ·本文的主要工作和结构安排 | 第16-19页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的结构安排 | 第17-19页 |
| 第2章 图像分割算法的评价 | 第19-32页 |
| ·引言 | 第19页 |
| ·图像分割算法评价综述 | 第19-21页 |
| ·分析法 | 第19-20页 |
| ·实验法 | 第20-21页 |
| ·基于主观的图像分割评价算法 | 第21-30页 |
| ·图像和算法的选择 | 第23页 |
| ·分割算法的参数选择 | 第23-27页 |
| ·算法性能评价 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 立体图对间的颜色校正 | 第32-58页 |
| ·引言 | 第32-33页 |
| ·立体图对间颜色校正算法 | 第33-36页 |
| ·OF-SIFT | 第36-47页 |
| ·SIFT算法的回顾与讨论 | 第36-37页 |
| ·OF-SIFT算法 | 第37-38页 |
| ·实验 | 第38-47页 |
| ·OF-SIFT算法小结 | 第47页 |
| ·颜色校正算法实验 | 第47-57页 |
| ·主观评价 | 第47-50页 |
| ·直方图评价 | 第50-52页 |
| ·立体匹配算法评价 | 第52-55页 |
| ·极端情况下的颜色补偿 | 第55-56页 |
| ·真实场景下的颜色补偿 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于分段线性化的分类器设计 | 第58-79页 |
| ·引言 | 第58-59页 |
| ·最小最大风险准则判决的回顾与讨论 | 第59-62页 |
| ·最小最大风险准则判决[84] | 第59-61页 |
| ·最小最大风险准则判决的不足 | 第61页 |
| ·总的最小平均风险的线性近似 | 第61-62页 |
| ·改进算法的性能分析 | 第62-70页 |
| ·△R的表达式和性质 | 第62-65页 |
| ·P~o(ω_1)的求解 | 第65-66页 |
| ·△R的进一步求解 | 第66页 |
| ·算例和讨论 | 第66-70页 |
| ·仿真实验 | 第70-75页 |
| ·方差固定,均值变化 | 第70-73页 |
| ·均值固定,方差变化 | 第73-75页 |
| ·应用实例 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第5章 边界提取 | 第79-93页 |
| ·引言 | 第79页 |
| ·图像数据库的建立 | 第79-80页 |
| ·边界提取算法研究 | 第80-91页 |
| ·Berkeley边界提取结果的一致化 | 第80-82页 |
| ·图像分割结果概率化 | 第82-83页 |
| ·深度边界提取 | 第83-84页 |
| ·边界信息融合 | 第84-88页 |
| ·基于分类的提取边界 | 第88-91页 |
| ·本章小结 | 第91-93页 |
| 第6章 总结与展望 | 第93-95页 |
| ·本文工作总结 | 第93-94页 |
| ·展望 | 第94-95页 |
| 参考文献 | 第95-107页 |
| 致谢 | 第107-109页 |
| 在读期间发表的学术论文与取得的研究成果 | 第109-110页 |
