基于边缘信息的RGB-D图像分割算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容及其主要工作 | 第13-14页 |
| 1.4 论文结构及章节安排 | 第14-16页 |
| 第二章 图像分割算法基本理论与方法 | 第16-28页 |
| 2.1 图像分割的理论和方法 | 第16-19页 |
| 2.1.1 图像分割定义 | 第16-17页 |
| 2.1.2 图像分割的经典算法 | 第17-19页 |
| 2.2 边缘检测的理论和方法 | 第19-23页 |
| 2.2.1 边缘的定义 | 第19-20页 |
| 2.2.2 边缘检测算子 | 第20-23页 |
| 2.3 算法评估框架 | 第23-27页 |
| 2.3.1 实验数据集 | 第23-25页 |
| 2.3.2 算法评估指标 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 RGB-D图像边缘暗示融合算法 | 第28-45页 |
| 3.1 算法流程概述 | 第28-30页 |
| 3.2 边缘暗示提取策略 | 第30-36页 |
| 3.2.1 RGB图像边缘暗示提取 | 第30-34页 |
| 3.2.2 深度图像边缘暗示提取 | 第34-36页 |
| 3.3 多边缘暗示融合算法 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 边缘保护性加权引导滤波模型 | 第45-58页 |
| 4.1 算法流程概述 | 第45-46页 |
| 4.2 边缘保持性滤波理论 | 第46-52页 |
| 4.2.1 双边滤波算法 | 第47-48页 |
| 4.2.2 引导滤波算法 | 第48-49页 |
| 4.2.3 滤波方式选择 | 第49-52页 |
| 4.3 加权引导滤波算法 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于区域投影的RGB-D图像层次分割算法 | 第58-69页 |
| 5.1 算法流程概述 | 第58-59页 |
| 5.2 分水岭算法理论 | 第59-60页 |
| 5.2.1 传统分水岭算法 | 第59页 |
| 5.2.2 有向分水岭算法 | 第59-60页 |
| 5.3 图像层次分割算法 | 第60-62页 |
| 5.3.1 层次分割定义 | 第61页 |
| 5.3.2 超度量映射图 | 第61-62页 |
| 5.4 区域投影优化策略 | 第62-64页 |
| 5.5 实验结果与分析 | 第64-67页 |
| 5.6 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 未来展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录1 程序清单 | 第76-77页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第77-78页 |
| 致谢 | 第78页 |
