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 |