| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题来源 | 第10页 |
| ·课题研究的背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·数据驱动的分割方法 | 第12-14页 |
| ·知识驱动的分割方法 | 第14-15页 |
| ·存在的问题以及发展趋势 | 第15-17页 |
| ·本文的主要工作与结构安排 | 第17-19页 |
| 第2章 图像分割相关原理 | 第19-27页 |
| ·图像分割概念 | 第19-20页 |
| ·图像对象分割的基本概念 | 第20-21页 |
| ·图像分割方法研究 | 第21-26页 |
| ·参数活动轮廓模型的基本原理 | 第21-25页 |
| ·基于对象模型或模板的分割方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于外观模板的图像对象码本构建 | 第27-42页 |
| ·人类视觉系统原理 | 第27页 |
| ·T&C-SEG 算法框架 | 第27-29页 |
| ·Chamfer 形状匹配 | 第29-30页 |
| ·外观片段的产生与初步筛选 | 第30-36页 |
| ·计算分片得分的方法 | 第30-31页 |
| ·使用记分评价方法选取分片 | 第31-32页 |
| ·纹理特征的提取 | 第32-34页 |
| ·初步筛选后得到的结果 | 第34-36页 |
| ·基于 Adaboost 的分类器训练 | 第36-39页 |
| ·Adaboost 分类器的设计与构造 | 第36-37页 |
| ·分类器训练过程 | 第37-39页 |
| ·外观码本的构建 | 第39页 |
| ·实验结果及分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于外观的对象检测与分割 | 第42-51页 |
| ·基于外观的对象检测与分割框架 | 第42页 |
| ·边缘检测和滤波 | 第42-43页 |
| ·基于形状与纹理匹配的多对象检测 | 第43-46页 |
| ·外观匹配 | 第43-44页 |
| ·基于密度和层次的快速聚类算法 | 第44-46页 |
| ·对象分割 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 组合式的特定类图像对象分割方法 | 第51-64页 |
| ·主动活动轮廓模型 | 第51-52页 |
| ·气球 Snake 模型 | 第52-53页 |
| ·梯度矢量流 Snake 模型 | 第53-55页 |
| ·梯度向量场 | 第53-54页 |
| ·GVF 数值离散方法 | 第54-55页 |
| ·GVF-Balloon Snake 模型 | 第55-58页 |
| ·GVF-Balloon Snake 模型概述 | 第55-57页 |
| ·GVF-Balloon Snake 模型缺陷与改进 | 第57-58页 |
| ·组合式的特定类图像对象分割方法 | 第58-60页 |
| ·实验结果及分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |