基于显著性的图像分割技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及研究进展 | 第7-12页 |
| 1.1.1 研究背景及意义 | 第7-8页 |
| 1.1.2 图像显著性分析理论基础 | 第8-9页 |
| 1.1.3 图像显著性分析模型 | 第9-10页 |
| 1.1.4 图像显著性研究现状 | 第10-12页 |
| 1.2 本文的内容安排 | 第12-13页 |
| 第二章 显著区域检测的原理和方法研究 | 第13-27页 |
| 2.1 引言 | 第13页 |
| 2.2 视觉注意机制 | 第13页 |
| 2.3 视觉显著性检测原理 | 第13-15页 |
| 2.3.1 Center-surround 原理 | 第14页 |
| 2.3.2 双色对立原理 | 第14页 |
| 2.3.3 对比度原理 | 第14-15页 |
| 2.3.4 Gestalt 原理 | 第15页 |
| 2.3.5 高频率发生抑制原理 | 第15页 |
| 2.4 显著性检测标准 | 第15-16页 |
| 2.5 显著性检测方法分类 | 第16-18页 |
| 2.5.1 生物学结构和纯计算 | 第16-17页 |
| 2.5.2 局部对比度和全局对比度 | 第17页 |
| 2.5.3 参与对比度计算的单元规模 | 第17-18页 |
| 2.6 典型方法介绍 | 第18-24页 |
| 2.6.1 完全生物学启发的视觉注意算法 | 第18-19页 |
| 2.6.2 MZ 方法 | 第19-20页 |
| 2.6.3 基于信息理论的视觉注意算法 | 第20页 |
| 2.6.4 基于纯计算的一种算法 | 第20-21页 |
| 2.6.5 CA 方法 | 第21-22页 |
| 2.6.6 IG 算法 | 第22-23页 |
| 2.6.7 剩余谱方法 | 第23-24页 |
| 2.7 本章小结 | 第24-27页 |
| 第三章 剩余谱方法及其改进 | 第27-35页 |
| 3.1 剩余谱方法 | 第27-29页 |
| 3.2 特征提取 | 第29-31页 |
| 3.2.1 RGB 颜色特征 | 第29页 |
| 3.2.2 CIELAB 颜色特征 | 第29-30页 |
| 3.2.3 CIELUV 色彩空间 | 第30页 |
| 3.2.4 HSV 颜色特征 | 第30页 |
| 3.2.5 强度特征 | 第30-31页 |
| 3.2.6 色度特征 | 第31页 |
| 3.3 离散余弦变换 | 第31页 |
| 3.4 改进的剩余谱方法 | 第31-34页 |
| 3.4.1 实验结果与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于显著性的图像分割算法 | 第35-49页 |
| 4.1 图像分割的基本概念 | 第35页 |
| 4.2 图像分割的基本方法 | 第35-39页 |
| 4.2.1 基于聚类的图像分割方法 | 第36页 |
| 4.2.2 活动表面模型 | 第36-37页 |
| 4.2.3 纹理分割 | 第37-38页 |
| 4.2.4 基于图论的图像分割 | 第38页 |
| 4.2.5 彩色图像分割 | 第38-39页 |
| 4.3 Chan-Vese 模型 | 第39-44页 |
| 4.4 基于显著性的 CV 模型 | 第44-47页 |
| 4.4.1 cv 模型的缺点 | 第44-45页 |
| 4.4.2 改进的 Chan-Vese 模型 | 第45页 |
| 4.4.3 实验分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-58页 |
