交互式立体图像分割及修复算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 交互式图像分割研究现状 | 第10-12页 |
| 1.2.2 图像修复研究现状 | 第12-14页 |
| 1.2.3 目前存在的主要问题 | 第14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.4 章节安排 | 第15-18页 |
| 第2章 交互式立体图像分割及修复 | 第18-30页 |
| 2.1 图割理论框架下的交互式立体图像分割 | 第18-23页 |
| 2.1.1 图割理论框架下的交互式单幅图像分割 | 第18-20页 |
| 2.1.2 图割理论框架下的交互式立体图像分割 | 第20-23页 |
| 2.2 基于卷积神经网络的图像修复 | 第23-28页 |
| 2.2.1 卷积神经网络基本理论 | 第23-26页 |
| 2.2.2 卷积神经网络图像修复模型 | 第26-27页 |
| 2.2.3 损失函数的定义 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 融合多线索的交互式立体图像分割算法研究 | 第30-50页 |
| 3.1 混合颜色和深度线索的交互式立体图像分割 | 第31-36页 |
| 3.1.1 深度线索在分割中的作用 | 第31-33页 |
| 3.1.2 能量函数 | 第33-34页 |
| 3.1.3 一元项 | 第34-35页 |
| 3.1.4 图像内二元项 | 第35页 |
| 3.1.5 图像间二元项 | 第35-36页 |
| 3.2 自适应先验模型的交互式立体图像分割 | 第36-40页 |
| 3.2.1 自适应先验模型理论 | 第36-38页 |
| 3.2.2 能量函数 | 第38-39页 |
| 3.2.3 优化 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-48页 |
| 3.3.1 数据集 | 第40页 |
| 3.3.2 评价指标 | 第40-41页 |
| 3.3.3 参数选取 | 第41-43页 |
| 3.3.4 分割效果对比与分析 | 第43-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于卷积神经网络的立体图像修复算法研究 | 第50-60页 |
| 4.1 基于卷积神经网络的立体图像修复 | 第50-53页 |
| 4.1.1 基于卷积神经网络立体图像修复模型 | 第50-51页 |
| 4.1.2 损失函数的定义 | 第51-53页 |
| 4.2 实验结果与分析 | 第53-57页 |
| 4.2.1 训练过程 | 第53页 |
| 4.2.2 结果对比及分析 | 第53-57页 |
| 4.3 本章小结 | 第57-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
