图像联合分割与联合抠图技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 前背景分割技术与抠图技术概述 | 第10-12页 |
| 1.2 现有方法 | 第12-16页 |
| 1.2.1 前背景分割技术现有方法 | 第12-13页 |
| 1.2.2 抠图技术现有方法 | 第13-16页 |
| 1.3 本文工作 | 第16-18页 |
| 第二章 相关工作 | 第18-34页 |
| 2.1 分割相关技术 | 第18-22页 |
| 2.1.1 交互式分割 | 第18-20页 |
| 2.1.2 联合分割 | 第20-22页 |
| 2.2 抠图相关技术 | 第22-32页 |
| 2.2.1 蓝屏抠图 | 第23页 |
| 2.2.2 自然图像抠图 | 第23-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于样本的半自动图像集前背景分割 | 第34-46页 |
| 3.1 问题背景 | 第34页 |
| 3.2 算法概述 | 第34-35页 |
| 3.3 基于样本图像的SVM分类器训练 | 第35-37页 |
| 3.3.1 特征提取 | 第35-36页 |
| 3.3.2 SVM分类器简介 | 第36页 |
| 3.3.3 分类器训练 | 第36-37页 |
| 3.4 基于Graph Cuts的图像自动分割 | 第37-40页 |
| 3.4.1 Graph Cuts简介 | 第37-39页 |
| 3.4.2 前景置信度 | 第39-40页 |
| 3.4.3 目标图像的自动分割 | 第40页 |
| 3.5 结果优化 | 第40-41页 |
| 3.6 实验结果及分析 | 第41-45页 |
| 3.6.1 实验条件 | 第41页 |
| 3.6.2 数据集 | 第41页 |
| 3.6.3 实验对比 | 第41-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 基于置信度的联合抠图 | 第46-66页 |
| 4.1 预处理 | 第47页 |
| 4.2 抠图置信度量 | 第47-51页 |
| 4.2.1 特征提取粒度 | 第48-49页 |
| 4.2.2 基于背景复杂度的特征 | 第49-50页 |
| 4.2.3 基于抠图算法的特征 | 第50-51页 |
| 4.2.4 置信度量学习 | 第51页 |
| 4.3 图像配准 | 第51-58页 |
| 4.3.1 SIFT-Flow简介 | 第52-53页 |
| 4.3.2 TPS-RPM详述 | 第53-58页 |
| 4.4 优化框架 | 第58-59页 |
| 4.5 实验结果及分析 | 第59-65页 |
| 4.5.1 置信度分析 | 第59-60页 |
| 4.5.2 对比实验 | 第60-63页 |
| 4.5.3 视频抠图 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文总结 | 第66-67页 |
| 5.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 科研成果 | 第74-75页 |
