面向立体图像的显著目标检测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 显著性检测研究现状 | 第9-11页 |
| 1.2.1 面向二维图像的显著性检测研究现状 | 第10页 |
| 1.2.2 面向立体图像的显著性检测研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 相关技术及基础 | 第13-23页 |
| 2.1 深度信息的获取方式 | 第13-15页 |
| 2.1.1 Kinect相机获取 | 第13-14页 |
| 2.1.2 双目立体匹配 | 第14-15页 |
| 2.2 高层先验知识 | 第15-18页 |
| 2.2.1 对比先验 | 第15-16页 |
| 2.2.2 中心先验 | 第16-17页 |
| 2.2.3 背景先验 | 第17页 |
| 2.2.4 深度先验 | 第17-18页 |
| 2.3 显著性融合方式 | 第18-22页 |
| 2.3.1 简单融合方式 | 第18-19页 |
| 2.3.2 复杂融合方式 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于深度选择性差异及背景先验的显著性检测 | 第23-43页 |
| 3.1 引言 | 第23-24页 |
| 3.2 预处理 | 第24-25页 |
| 3.3 基于深度选择性差异的显著性计算 | 第25-27页 |
| 3.4 基于背景先验的显著性计算 | 第27-34页 |
| 3.4.1 获取边界背景集合B1 | 第28-31页 |
| 3.4.2 获取基于深度先验的背景集合B2 | 第31页 |
| 3.4.3 构建图模型 | 第31-32页 |
| 3.4.4 计算边界连通性 | 第32-33页 |
| 3.4.5 基于背景先验的显著性计算 | 第33-34页 |
| 3.5 显著性融合及调整 | 第34-36页 |
| 3.6 显著图的优化 | 第36-37页 |
| 3.7 实验与结果分析 | 第37-42页 |
| 3.7.1 实验参数设置 | 第37页 |
| 3.7.2 与现有其他方法的对比 | 第37-39页 |
| 3.7.3 本文算法分阶段的效果对比 | 第39-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第4章 图像显著性检测的应用 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 基于显著性检测的目标分割 | 第43-50页 |
| 4.2.1 GrabCut算法 | 第43-44页 |
| 4.2.2 基于显著性检测的目标分割方法 | 第44-45页 |
| 4.2.3 实验结果分析 | 第45-50页 |
| 4.3 基于显著性检测的图像缩放 | 第50-55页 |
| 4.3.1 Seam Carving算法 | 第50-51页 |
| 4.3.2 基于显著性检测的图像缩放方法 | 第51-52页 |
| 4.3.3 实验结果分析 | 第52-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 面向立体图像的显著目标检测及应用系统 | 第57-65页 |
| 5.1 系统设计 | 第57-58页 |
| 5.2 系统功能 | 第58-62页 |
| 5.2.1 系统开发平台 | 第58-59页 |
| 5.2.2 系统界面设计及功能实现 | 第59-62页 |
| 5.3 系统评估 | 第62-64页 |
| 5.3.1 评估方法 | 第62页 |
| 5.3.2 评估结果与分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考 文献 | 第67-71页 |
| 攻读硕士期间的主要科研成果 | 第71-73页 |
| 致谢 | 第73页 |
