摘要
1 绪论
1.1 研究的目的意义
1.2 树木图像分割研究现状
1.3 抠图算法图像分割的研究现状
1.4 主要研究内容
1.5 技术路线
2 彩色树木图像传统分割方法
2.1 彩色树木图像库
2.2 基于二维最大熵的树木图像分割
2.2.1 二维最大熵基本原理
2.2.2 K-mean聚类
2.2.3 基于二维最大熵的树木图像分割实验结果与分析
2.3 基于分水岭的树木图像分割
2.3.1 分水岭分割基本原理
2.3.2 基于分水岭的树木图像分割实验结果与分析
2.4 本章小结
3 基于Bayes抠图算法的彩色树木彩色图像分割
3.1 抠图技术基本原理
3.2 基于交互式图像分割的三分图生成算法
3.3 Bayes抠图算法原理
3.4 传统Bayes抠图算法实验结果
3.5 Bayes抠图改进算法
3.6 Bayes抠图改进算法图像分割实验步骤
3.7 Bayes抠图改进算法实验结果与分析
3.8 本章小结
4 基于Poisson抠图算法的彩色树木图像分割
4.1 Poisson抠图算法原理
4.2 传统Poisson抠图算法实验结果
4.3 基于区域生长的改进Poisson抠图算法
4.3.1 区域生长算法介绍
4.4 Poisson抠图改进算法图像分割实验步骤
4.5 Poisson抠图改进算法实验结果对比与分析
4.6 本章小结
5 基于Robust抠图算法的彩色树木图像分割
5.1 Robust抠图算法原理
5.2 传统Robust抠图算法实验结果
5.3 Robust抠图改进算法
5.4 Robust抠图改进算法实验步骤
5.5 Robust抠图改进算法的实验结果与分析
5.6 本章小结
6 彩色树木图像分割抠图改进算法的比较分析
6.1 抠图效果对比
6.2 抠图速度对比
6.3 抠图算法的综合评价
6.4 本章小结
7 树木图像分割实验软件系统
7.1 图像用户界面
7.2 实验系统的设计
7.3 实验系统主界面实现
7.3.1 文件菜单
7.3.2 Bayes抠图算法菜单
7.4 本章小结
结论
参考文献
附录
攻读学位期间发表的学术论文
致谢
声明