基于边界先验及对比度优化的显著目标检测算法
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 技术路线与研究重点 | 第14-16页 |
| 1.4 本文创新点及组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关工作 | 第18-33页 |
| 2.1 自顶向下方法 | 第18-22页 |
| 2.1.1 显著区域特征融合模型 | 第19-22页 |
| 2.2 自底向上方法 | 第22-32页 |
| 2.2.1 仿生显著性模型 | 第22-24页 |
| 2.2.2 边界先验模型 | 第24-27页 |
| 2.2.3 显著性传播模型 | 第27-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于图的显著性检测模型 | 第33-46页 |
| 3.1 流形排序模型 | 第33-37页 |
| 3.1.1 基于图的流形排序 | 第33-35页 |
| 3.1.2 无向图构建 | 第35页 |
| 3.1.3 两步显著性检测 | 第35-37页 |
| 3.2 随机游走模型 | 第37-41页 |
| 3.2.1 随机游走 | 第38-39页 |
| 3.2.2 两步显著性估计 | 第39页 |
| 3.2.3 正则化随机游走排序 | 第39-41页 |
| 3.3 细胞自动机模型 | 第41-45页 |
| 3.3.1 基于背景的显著图 | 第42-43页 |
| 3.3.2 细胞自动机演化 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 本文算法设计 | 第46-55页 |
| 4.1 超像素块分割 | 第47-48页 |
| 4.2 闭环无向图构建与流形排序 | 第48-49页 |
| 4.3 背景显著估计 | 第49-52页 |
| 4.4 对比度优化与背景先验融合 | 第52-53页 |
| 4.5 前景显著估计 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 实验结果分析 | 第55-71页 |
| 5.1 算法评估方式 | 第55-58页 |
| 5.1.1 准确率、召回率与F-Measure | 第55-57页 |
| 5.1.2 AUC值与MAE值 | 第57-58页 |
| 5.2 相关算法比较 | 第58-70页 |
| 5.2.1 MSRA数据集 | 第58-60页 |
| 5.2.2 ECSSD数据集 | 第60-63页 |
| 5.2.3 DUT-OMRON数据集 | 第63-66页 |
| 5.2.4 PASCAL-S数据集 | 第66-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-74页 |
| 6.1 本文总结 | 第71页 |
| 6.2 创新点与主要贡献 | 第71-72页 |
| 6.3 下一步研究工作 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文 | 第79-80页 |
| 攻读学位期间参与的项目 | 第80页 |
