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

基于显著性的彩色图像分割方法研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-14页
   ·课题背景及意义第10页
   ·国内外研究现状第10-12页
     ·灰度图像分割方法的研究现状第10-11页
     ·彩色图像分割方法的研究现状第11页
     ·基于显著性的分割方法的研究现状第11-12页
   ·主要工作和创新点第12-13页
     ·主要工作第12页
     ·创新点第12-13页
   ·本文组织结构第13-14页
第2章 相关理论第14-20页
   ·引言第14页
   ·基本概念第14-16页
     ·图像分割第14-15页
     ·显著性第15页
     ·颜色空间第15-16页
   ·灰度图像分割的基本方法第16-18页
     ·阈值分割法第16-17页
     ·边缘检测法第17页
     ·基于区域的分割方法第17-18页
   ·彩色图像分割的基本方法第18-19页
     ·间接分割法第18页
     ·直接分割法第18页
     ·基于显著性的分割方法第18-19页
   ·本章小结第19-20页
第3章 基于RGB综合显著性的彩色图像分割方法第20-24页
   ·引言第20页
   ·主要定义第20-21页
     ·通道信息量第20-21页
     ·颜色信息显著图第21页
     ·权重第21页
   ·主要方法第21-22页
     ·权重的确定第22页
     ·确定综合信息显著图第22页
     ·确定阈值分割第22页
   ·主要步骤第22-23页
   ·本章小结第23-24页
第4章 基于HSV综合显著性的彩色图像分割方法第24-29页
   ·引言第24页
   ·主要定义第24-26页
     ·颜色信息第24-25页
     ·亮度信息第25页
     ·颜色信息显著图第25页
     ·亮度信息显著图第25页
     ·权重第25-26页
   ·主要方法第26页
     ·权重的选择第26页
     ·综合信息显著图第26页
     ·阈值分割第26页
   ·主要步骤第26-27页
   ·本章小结第27-29页
第5章 实验验证与分析第29-38页
   ·引言第29页
   ·实验装置第29-30页
   ·实验过程及其分析第30-36页
     ·基于RGB综合显著性的彩色图像分割方法第30-33页
     ·基于HSV综合显著性的彩色图像分割方法第33-36页
   ·本章小结第36-38页
第6章 总结与展望第38-40页
   ·研究结论第38页
   ·研究展望第38-40页
参考文献第40-43页
致谢第43-44页
攻读学位期间取得的科研成果第44页

论文共44页,点击 下载论文
上一篇:基于相关熵的平均近邻最大间隔特征提取
下一篇:CBIR系统中基于半监督ELM的相关反馈研究