基于显著性的图像分割方法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究的背景与意义, | 第14页 |
| 1.2 图像分割方法的研究现状 | 第14-20页 |
| 1.2.1 传统的图像分割方法 | 第15-18页 |
| 1.2.2 结合了新理论的图像分割方法 | 第18-20页 |
| 1.3 本文研究内容的组织与安排 | 第20-22页 |
| 1.3.1 论文的研究内容 | 第20-21页 |
| 1.3.2 论文的组织结构 | 第21-22页 |
| 第2章 视觉显著性模型及其方法 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 基于生物视觉特征模型 | 第22-25页 |
| 2.2.1 早期的视觉特征的提取 | 第23-24页 |
| 2.2.2 特征显著图的生成 | 第24页 |
| 2.2.3 最终显著图的生成 | 第24-25页 |
| 2.3 基于纯计算的显著性模型 | 第25-31页 |
| 2.4 生物学与计算相结合的显著性模型 | 第31页 |
| 2.5 本章小结 | 第31-34页 |
| 第3章 基于显著性的Grabcut图像分割方法 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 Grabcut算法 | 第34-36页 |
| 3.2.1 能量函数 | 第35页 |
| 3.2.2 算法的初始化 | 第35-36页 |
| 3.2.3 迭代最小化 | 第36页 |
| 3.3 本文算法 | 第36-42页 |
| 3.3.1 基于显著性的Grabcut模型 | 第36-37页 |
| 3.3.2 视觉显著性的度量 | 第37-40页 |
| 3.3.3 基于显著性的Grabcut算法 | 第40-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.4.1 视觉效果比较 | 第42-45页 |
| 3.4.2 性能测试 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于显著性的火焰目标检测 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 火焰区域检测 | 第49-52页 |
| 4.2.1 空域显著性检测 | 第49-50页 |
| 4.2.2 频域显著性检测 | 第50-51页 |
| 4.2.3 显著图融合和加强 | 第51-52页 |
| 4.3 火焰目标分割 | 第52页 |
| 4.4 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文的主要工作总结 | 第58页 |
| 5.2 进一步研究的方向 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
