首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于词袋模型和上下文信息的图像对象分割系统

摘要第1-5页
ABSTRACT第5-8页
第1章 绪论第8-16页
   ·课题来源第8页
   ·研究背景及意义第8-10页
     ·研究背景第8-9页
     ·研究意义第9-10页
   ·国内外研究现状第10-14页
     ·数据驱动的Bottom-up 方法第10-12页
     ·知识驱动的Top-down 方法第12-13页
     ·本文所用相关技术研究现状第13-14页
   ·本文的研究内容第14-15页
   ·本文的组织结构第15-16页
第2章 特征提取及视觉词汇获取第16-27页
     ·特征提取第16-22页
     ·Sift 特征第16-21页
     ·DenseSift 特征第21-22页
     ·随机聚类森林算法(ERC-Forests)第22-25页
     ·随机聚类树第23-25页
     ·随机聚类森林第25页
   ·图像 patch 的三种特征表示第25-26页
   ·本章小结第26-27页
第3章 基于 Dirichlet 过程和随机场的分割模型第27-39页
   ·构建对象分割模型第27-32页
     ·基于Patch 特征的Dirichlet 过程混合模型第27-29页
     ·马尔科夫随机场第29-30页
       ·Gibbs 抽样进行参数估计第30-31页
     ·像素水平分割第31-32页
     ·实验结果分析第32-38页
     ·数据集第32-33页
     ·图像分割的客观评价标准第33-34页
     ·the TU Graz-02 数据集的分割结果第34-38页
   ·本章小结第38-39页
第4章 图像对象分割系统的设计及实现第39-54页
   ·图像对象分割系统的设计第39-46页
     ·图像对象分割系统的需求分析第39-42页
     ·图像对象分割系统的总体设计第42-43页
     ·图像对象分割系统的详细设计第43-46页
   ·图像对象分割系统关键部分的实现第46-51页
     ·特征提取模块实现第47-48页
     ·视觉词汇构建模块实现第48-50页
     ·对象分割模型模块实现第50-51页
   ·系统功能及界面测试第51-53页
   ·本章小结第53-54页
结论第54-56页
参考文献第56-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:淄博农行基于六西格玛的服务改进研究
下一篇:论瓦格纳的艺术哲学