| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 基于MRF图像分割算法的国内外研究历史与现状 | 第10-11页 |
| 1.2.1 国外研究历史与现状 | 第10-11页 |
| 1.2.2 国内研究历史与现状 | 第11页 |
| 1.3 本文的主要贡献与创新 | 第11-12页 |
| 1.4 本论文的结构安排 | 第12-13页 |
| 第二章 马尔科夫随机场基本概念及应用 | 第13-26页 |
| 2.1 引言 | 第13页 |
| 2.2 模型基本概念 | 第13-15页 |
| 2.2.1 马尔科夫性 | 第13-14页 |
| 2.2.2 马尔可夫随机场 | 第14-15页 |
| 2.3 Gibbs随机场 | 第15-16页 |
| 2.4 Markov-Gibbs的等价性 | 第16-17页 |
| 2.5 概率无向图模型中的因子分解 | 第17-18页 |
| 2.5.1 团与最大团的定义 | 第17页 |
| 2.5.2 概率无向图模型的因子分解 | 第17-18页 |
| 2.6 常用的MRF模型 | 第18-20页 |
| 2.7 条件随机场 | 第20-23页 |
| 2.7.1 引言 | 第20页 |
| 2.7.2 条件随机场的定义 | 第20-22页 |
| 2.7.3 条件随机场的简化形式 | 第22-23页 |
| 2.8 马尔可夫随机在图像处理领域的应用 | 第23-26页 |
| 第三章 基于ICM算法的MRF图像分割 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 基于MRF的图像分割模型 | 第26-27页 |
| 3.3 模型求解 | 第27-29页 |
| 3.4 使用条件迭代算法求解流程 | 第29页 |
| 3.5 算法分割结果及分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 改进的图像分割算法 | 第32-42页 |
| 4.1 GBIS算法 | 第32-35页 |
| 4.1.1 图的基本概念 | 第32-33页 |
| 4.1.2 像素点间的相似度 | 第33-34页 |
| 4.1.3 算法流程 | 第34页 |
| 4.1.4 GBIS分割结果及分析 | 第34-35页 |
| 4.2 改进的GBIS算法 | 第35-40页 |
| 4.2.1 相似度算法改进 | 第35-36页 |
| 4.2.2 阈值的改进 | 第36-38页 |
| 4.2.3 彩色图转灰度图处理 | 第38页 |
| 4.2.4 形态学处理 | 第38-39页 |
| 4.2.5 改进的GBIS算法结果对比 | 第39-40页 |
| 4.3 改进的ICM-MRF图像分割算法 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验结果及分析 | 第42-48页 |
| 5.1 引言 | 第42页 |
| 5.2 分割质量评价标准 | 第42-43页 |
| 5.3 实验结果及分析 | 第43-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 全文总结与展望 | 第48-49页 |
| 6.1 全文总结 | 第48页 |
| 6.2 本文的不足和后续工作展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间取得的成果 | 第54页 |