声明
摘要
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文主要工作和创新点
1.4 本文组织结构
第2章 显着性检测及区域轮廓提取
2.1 引言
2.2 图像显著性基础知识
2.2.1 显著性的概念
2.2.2 显著性检测的经典方法介绍
2.3 超像素理论基础
2.3.1 超像素的概念
2.3.2 超像素聚类方法SLIC
2.3.3 超像素聚类方法H-SLIC
2.3.4 基于H-SLIC的显著性检测方法SC
2.4 显著性检测的其他方法介绍
2.4.1 动态区域合并算法
2.4.2 基于能量的图割方法
2.4.3 基于鲁棒的背景检测的显著性优化方法
2.5 小结
第3章 基于超像素划分的图像显著性区域轮廓提取算法
3.1 引言
3.2 算法基本思想
3.3 算法主要步骤
3.3.1 H-SLIC超像素分割图像
3.3.2 过分割区域动态合并
3.4 核心算法描述
3.5 实验结果
3.6 小结
第4章 鲁棒的图像显著性区域轮廓自动提取算法
4.1 引言
4.2 算法基本思想
4.3 算法主要步骤
4.3.1 计算超像素的边界连通性值
4.3.2 显著性区域自动分割
4.4 核心算法描述
4.5 实验结果
4.6 小结
第5章 显著性检测算法在医学可视化系统中的应用
5.1 引言
5.2 可视化系统介绍
5.3 人体轮廓提取模块分析与测试
5.4 人体轮廓提取模块设计与实现
5.5 基于轮廓提取的三维模型重建
5.6 小结
第6章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况