| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 课题背景及意义 | 第7-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于阈值的分割算法 | 第10-12页 |
| 1.2.2 基于区域的分割算法 | 第12-13页 |
| 1.2.3 基于边缘的分割算法 | 第13-14页 |
| 1.2.4 基于能量泛函的分割算法 | 第14页 |
| 1.2.5 基于图割的分割算法 | 第14-15页 |
| 1.3 本文的组织结构 | 第15-17页 |
| 第二章 贝叶斯分类器 | 第17-21页 |
| 2.1 基于最小错误的贝叶斯分类 | 第17页 |
| 2.2 基于最小错分风险的贝叶斯分类 | 第17-18页 |
| 2.3 高斯分布下的贝叶斯分类 | 第18-21页 |
| 第三章 结合超像素的图割算法研究 | 第21-36页 |
| 3.1 超像素方法 | 第21-23页 |
| 3.2 超像素分割方法研究 | 第23-27页 |
| 3.2.1 分水岭算法 | 第23-24页 |
| 3.2.2 Ncut算法 | 第24-26页 |
| 3.2.3 Mean shift算法 | 第26-27页 |
| 3.2.4 SLIC算法 | 第27页 |
| 3.3 图论 | 第27-33页 |
| 3.3.1 网络的流 | 第28-31页 |
| 3.3.2 割 | 第31-32页 |
| 3.3.3 最大流/最小割定理 | 第32-33页 |
| 3.4 图割的原理与应用 | 第33-36页 |
| 第四章 结合贝叶斯分类与SLIC的Grabcut分割算法 | 第36-47页 |
| 4.1 基于超像素的Grabcut算法改进分析 | 第36-37页 |
| 4.2 改进基于SLIC的Grabcut分割算法 | 第37-42页 |
| 4.2.1 使用SLIC预分割 | 第37-38页 |
| 4.2.2 使用贝叶斯分类处理预分割图像 | 第38-39页 |
| 4.2.3 Grabcut算法 | 第39-41页 |
| 4.2.4 具体过程 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-46页 |
| 4.4 本章总结 | 第46-47页 |
| 第五章 总结与展望 | 第47-48页 |
| 5.1 工作总结 | 第47页 |
| 5.2 工作展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 研究生期间发表论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |