基于Graph Cuts和先验形状约束的图像分割算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像分割算法研究现状 | 第11-14页 |
| 1.2.1 图像分割的定义 | 第11-12页 |
| 1.2.2 经典的图像分割算法 | 第12-14页 |
| 1.3 本文的主要内容及结构 | 第14-16页 |
| 第二章 Graph Cuts的基本理论 | 第16-28页 |
| 2.1 图论基础 | 第16-24页 |
| 2.1.1 图的相关概念 | 第16-17页 |
| 2.1.2 最大流与最小切割 | 第17-19页 |
| 2.1.3 最大流算法 | 第19-24页 |
| 2.2 基于Graph Cuts的图像分割算法 | 第24-27页 |
| 2.2.1 算法描述 | 第24-25页 |
| 2.2.2 灰度直方图 | 第25-26页 |
| 2.2.3 混合高斯模型 | 第26-27页 |
| 2.3 图像分割技术的评价标准 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于距离度量学习的图像分割 | 第28-38页 |
| 3.1 问题概述 | 第28页 |
| 3.2 基于距离度量学习的分割模型 | 第28-33页 |
| 3.2.1 区域项 | 第28-29页 |
| 3.2.2 边界项 | 第29-30页 |
| 3.2.3 拉普拉斯正则化度量学习 | 第30-33页 |
| 3.3 实验结果及分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于射线先验形状的图像分割 | 第38-50页 |
| 4.1 问题概述 | 第38-39页 |
| 4.2 基于射线先验形状的分割模型 | 第39-45页 |
| 4.2.1 单个中心点的射线先验形状模型 | 第39-40页 |
| 4.2.2 多个中心点的射线先验形状模型 | 第40-42页 |
| 4.2.3 射线离散化 | 第42-43页 |
| 4.2.4 参数的取值 | 第43-45页 |
| 4.3 实验结果及分析 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 基于稀疏先验形状的图像分割 | 第50-61页 |
| 5.1 问题概述 | 第50-51页 |
| 5.2 基于稀疏先验形状的分割模型 | 第51-56页 |
| 5.2.1 KPCA | 第51-53页 |
| 5.2.2 稀疏先验形状表示 | 第53-55页 |
| 5.2.3 能量公式 | 第55-56页 |
| 5.3 实验结果及分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 本文工作总结 | 第61-62页 |
| 后续工作与展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
