数字图像前景提取算法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究的目的和意义 | 第12-13页 |
| 1.2 前景提取算法理论基础 | 第13-14页 |
| 1.2.1 前景提取算法概念 | 第13页 |
| 1.2.2 前景提取算法过程 | 第13-14页 |
| 1.3 国内外研究概况 | 第14-16页 |
| 1.4 论文的研究前提、内容及成果 | 第16-18页 |
| 1.4.1 研究前提 | 第16-17页 |
| 1.4.2 论文主要研究内容和成果 | 第17-18页 |
| 1.5 论文的结构安排 | 第18-20页 |
| 第二章 图像前景提取相关算法 | 第20-35页 |
| 2.1 图像前景提取的重要概念 | 第20-23页 |
| 2.1.1 稀疏标注和稠密标注 | 第21页 |
| 2.1.2 软分割和硬分割 | 第21-22页 |
| 2.1.3 图像分割和前景提取 | 第22-23页 |
| 2.2 几种典型的前景提取算法 | 第23-32页 |
| 2.2.1 Poisson算法 | 第23-24页 |
| 2.2.2 Bayesian算法 | 第24-25页 |
| 2.2.3 基于学习的算法LBDM | 第25-28页 |
| 2.2.4 Graph Cut算法 | 第28-30页 |
| 2.2.5 Grab Cut算法 | 第30-32页 |
| 2.3 数据集和评估算法 | 第32-34页 |
| 2.3.1 数据集 | 第32-33页 |
| 2.3.2 算法准确度评估方法 | 第33页 |
| 2.3.3 算法执行速度评估方法 | 第33-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 基于舌体提取的自动化算法研究 | 第35-49页 |
| 3.1 算法的提出背景 | 第35-36页 |
| 3.2 基于直方图投影法的舌体自动分割算法 | 第36-43页 |
| 3.2.1 算法流程概述 | 第36-37页 |
| 3.2.2 舌体初步定位 | 第37-38页 |
| 3.2.3 图片颜色缩减 | 第38-39页 |
| 3.2.4 通过直方图投影法查找舌体区域 | 第39-40页 |
| 3.2.5 舌体区域提取和标注蒙版制作 | 第40-42页 |
| 3.2.6 算法流程总结 | 第42-43页 |
| 3.3 实验 | 第43-48页 |
| 3.3.1 一次完整的投影过程展示 | 第43-45页 |
| 3.3.2 三种标注蒙版比较 | 第45-46页 |
| 3.3.3 定量分析 | 第46-48页 |
| 3.4 小结 | 第48-49页 |
| 第四章 基于并行加速的LBDM算法 | 第49-65页 |
| 4.1 算法的提出 | 第49-50页 |
| 4.2 基本并行框架简介 | 第50-52页 |
| 4.2.1 OPENMP | 第50-51页 |
| 4.2.2 CUDA | 第51-52页 |
| 4.3 并行算法流程描述 | 第52-58页 |
| 4.3.1 基于CUDA的加速策略 | 第53-54页 |
| 4.3.2 基于骨架的分块算法 | 第54-57页 |
| 4.3.3 分块求解 | 第57-58页 |
| 4.4 实验 | 第58-64页 |
| 4.4.1 分块过程演示 | 第58-60页 |
| 4.4.2 加速效果分析 | 第60-64页 |
| 4.5 小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第72-73页 |
| 作者在攻读硕士学位期间所作的项目 | 第73-74页 |
| 致谢 | 第74页 |
