目录
摘要
ABSTRACT
第一章 引论
1.1 研究动机
1.2 相关工作
1.2.1 自然边界的统计特性
1.2.2 前景分割的生理模型
1.2.3 前景分割的计算模型
1.2.4 相关工作的局限性
1.3 前景分割的脑机制
1.4 本文的方法
1.5 本文的组织结构
第二章 前景分割的MARKOV随机场模型
2.1 问题的定义
2.2 本文模型
2.3 MARKOV随机场模型的解法选择
2.4 TREE-REWEIGHTED MESSAGE PASSING算法
2.5 信息整合算法
2.6 本章算法的生物可行性
第三章 局部图像特征抽取
3.1 简单神经元、复杂神经元和超复杂神经元
3.2 简单和复杂细胞的建模:灰度边缘检测
3.3 超复杂细胞建模:曲率检测
3.4 超复杂细胞建模:纹理分析
第四章 前景分割的优化目标
4.1 本章的方法
4.2 GESTALT知觉组织原则
4.3 GESTALT知觉组织原则的建模
4.3.1 先验概率:闭合律和连续律的定量分析
4.3.2 条件概率:相似律的定量分析
4.4 前景显著性
4.5 接近律
4.6 MARKOV随机场的平滑和数据代价
第五章 实验结果
5.1 数据来源
5.2 错觉图像的模型解释
5.3 半自动前景分割
5.4 自动前景分割
第六章 讨论
6.1 本文的主要结论
6.2 与相关算法的比较
6.2.1 基于谱分割的方法
6.2.2 基于高斯混合模型的Markov随机场方法
6.2.3 基于学习模型的方法
6.3 本文未解决的问题
6.3.1 反馈连接的作用
6.3.2 快速颜色分割系统的参与
6.3.3 高级区域的参与
附录
Ⅰ 目标函数的非子模块性
Ⅱ 图像的GAUSSIAN曲率
Ⅲ BERKELEY分割数据集的加工
参考文献
后记