首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于可分解马尔科夫网的图像分割方法研究

摘要第1-7页
Abstract第7-13页
第一章 绪论第13-25页
 1.1 图像理解的研究和应用暨图像分割第13-16页
  1.1.1 什么是图像理解第13页
  1.1.2 图像理解模型第13-15页
  1.1.3 图像理解的研究和应用第15-16页
 1.2 图像分割及其意义第16-18页
 1.3 图像分割的研究现状及其面临的问题第18-23页
 1.4 本文的研究内容和目标第23页
 1.5 论文的组织与安排第23-25页
第二章 图论、概率网络及DMN第25-41页
 2.1 图论与概率网络第25-32页
  2.1.1 图论的基本概念第25-28页
  2.1.2 概率网络的概念第28-31页
  2.1.3 概率分布的图表达及意义第31-32页
 2.2 可分解马尔科夫网络(DMN)的研究与应用现状第32-40页
  2.2.1 可分解马尔科夫网(DMN)的研究第32-37页
  2.2.2 可分解马尔科夫网(DMN)的应用现状第37-40页
 2.3 本章小结第40-41页
第三章 图论与图像分割方法研究第41-49页
 3.1 图像分割中图论方法的应用第41-46页
 3.2 图像分割中图论方法的局限性第46-47页
 3.3 图像分割中图论方法的扩展途径第47-48页
 3.4 本章小结第48-49页
第四章 DMN在图像分割中的扩展第49-54页
 4.1 什么是DMN第49-50页
 4.2 图像分割中DMN的再思考与再定义第50-52页
 4.3 DMN在图像分割中的扩展第52页
 4.4 本章小结第52-54页
第五章 图像分割中DMN的建模方法第54-82页
 5.1 图像分割中的算法综述第54-76页
  5.1.1 边界分割算法简介第54-58页
  5.1.2 区域分割算法简介第58-64页
  5.1.3 结合特定理论工具的分割技术第64-76页
 5.2 图像分割中DMN的建模方法第76-81页
 5.3 本章小结第81-82页
第六章 DMN在图像分割中的应用第82-120页
 6.1 DMN网络工作机制第82-86页
  6.1.1 单个节点的工作机制第83页
  6.1.2 网络整体的工作机制第83-86页
 6.2 于DMN的图像滤波、平滑、以及分割的算法思想第86-91页
  6.2.1 基本思想第87-88页
  6.2.2 像素特征定位第88页
  6.2.3 算法流程第88-91页
 6.3 DMN图像滤波、平滑、以及分割与其它方法的比较第91-95页
  6.3.1 基于DMN方法与其它平滑、滤波方法的比较第91页
  6.3.2 基于DMN图像分割与水线方法的比较第91-93页
  6.3.3 基于DMN图像分割与过渡区方法的比较第93-95页
 6.4 实验分析与结论第95-109页
  6.4.1 基于DMN的图像滤波实验与结论第95-100页
  6.4.2 基于DMN的图像平滑实验与结论第100-104页
  6.4.3 基于DMN的图像分割实验与结论第104-109页
 6.5 基于DMN的人造目标(Man-made Object)分割试验第109-119页
 6.6 本章小结第119-120页
第七章 图像分割中DMN与MRF的比较第120-135页
 7.1 MRF及其图像分割方法概述第120-123页
 7.2 图像分割中MRF的原理与方法第123-130页
  7.2.1 图像分割中MRF的基本原理第123-127页
  7.2.2 图像分割中MRF的实施方法第127-130页
 7.3 图像分割中DMN与MRF方法的比较分析第130-134页
 7.4 本章小结第134-135页
第八章 全文总结与展望第135-137页
 8.1 全文总结第135-136页
 8.2 展望第136-137页
参考文献第137-147页
攻读博士学位期间发表的论文第147页
攻读博士学位期间参与的科研项目第147-148页
后记第148-149页

论文共149页,点击 下载论文
上一篇:多用户MIMO-OFDM系统中的自适应子载波分配研究
下一篇:支持IP漫游的多跳接入技术研究