基于协同显著性检测的图像分割方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的内容安排 | 第11-13页 |
| 第2章 图像分割算法的相关介绍 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 图像分割算法介绍 | 第13-20页 |
| 2.3 图像分割常用数据集 | 第20-22页 |
| 2.4 图像分割常用评价标准 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于块聚类多测度显著性检测的图像分割 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 算法介绍 | 第25-30页 |
| 3.2.1 分块聚类 | 第25-26页 |
| 3.2.2 测度介绍 | 第26-29页 |
| 3.2.3 图像融合 | 第29-30页 |
| 3.3 实验结果及分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于块标注、轮廓先验信息的图像分割 | 第34-43页 |
| 4.1 引言 | 第34-35页 |
| 4.2 算法介绍 | 第35-39页 |
| 4.2.1 轮廓提取 | 第35-38页 |
| 4.2.2 显著性值计算 | 第38页 |
| 4.2.3 协同显著性值计算 | 第38-39页 |
| 4.3 实验结果及分析 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于深度学习的植物图像分割 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 基于深度学习的植物图像分割实现 | 第43-50页 |
| 5.2.1 算法框架 | 第43-47页 |
| 5.2.2 数据集制作 | 第47-49页 |
| 5.2.3 实验结果分析和对比 | 第49-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 个人简历、在学期间的研究成果以及发表论文 | 第62页 |
