| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 显著性研究现状及进展 | 第8-10页 |
| 1.3 本文主要研究工作 | 第10页 |
| 1.4 本文章节安排 | 第10-12页 |
| 第二章 显著性区域检测概述及几种经典算法 | 第12-29页 |
| 2.1 颜色空间选择 | 第12-14页 |
| 2.1.1 RGB颜色空间 | 第12-13页 |
| 2.1.2 Lab颜色空间 | 第13页 |
| 2.1.3 HSV颜色空间 | 第13-14页 |
| 2.2 超像素分割算法介绍 | 第14-18页 |
| 2.2.1 TurboPixels超像素算法 | 第15-16页 |
| 2.2.2 Graph-based超像素算法 | 第16-17页 |
| 2.2.3 SLIC超像素算法 | 第17-18页 |
| 2.3 经典算法介绍 | 第18-28页 |
| 2.3.1 IT算法 | 第18-20页 |
| 2.3.2 AC算法 | 第20-21页 |
| 2.3.3 CA算法 | 第21-23页 |
| 2.3.4 FT算法 | 第23-24页 |
| 2.3.5 LC算法 | 第24-26页 |
| 2.3.6 RC算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于SLIC超像素和贝叶斯框架的显著性区域检测 | 第29-38页 |
| 3.1 引言 | 第29-30页 |
| 3.2 计算显著图方法 | 第30-33页 |
| 3.2.1 提取超像素及其特征 | 第31-32页 |
| 3.2.2 显著性估值 | 第32页 |
| 3.2.3 贝叶斯增强 | 第32-33页 |
| 3.2.4 整合和优化 | 第33页 |
| 3.3 实验以及结果分析 | 第33-37页 |
| 3.3.1 显著图 | 第34-35页 |
| 3.3.2 定量评价 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于SLIC超像素的全局对比度显著性区域检测 | 第38-46页 |
| 4.1 引言 | 第38页 |
| 4.2 计算显著图方法 | 第38-42页 |
| 4.2.1 提取超像素及其特征 | 第39-40页 |
| 4.2.2 显著性估值 | 第40-41页 |
| 4.2.3 显著图的获得 | 第41-42页 |
| 4.3 实验以及结果分析 | 第42-45页 |
| 4.3.1 显著图 | 第42-43页 |
| 4.3.2 定量评价 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 作者在攻读硕士学位期间发表的论文 | 第51页 |