| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于底层特征的方法 | 第11-13页 |
| 1.2.2 基于高层先验信息的方法 | 第13页 |
| 1.2.3 特征融合的方法 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第2章 相关理论研究 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 人类视觉系统与视觉注意机制 | 第16-18页 |
| 2.2.1 人类视觉系统 | 第16页 |
| 2.2.2 视觉注意机制 | 第16-18页 |
| 2.3 显著性评价标准介绍 | 第18-20页 |
| 2.4 公开数据集介绍 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于基元对比度与边界先验的显著区域检测算法 | 第22-31页 |
| 3.1 图像基元的获取 | 第22-23页 |
| 3.2 基元对比度分析 | 第23-24页 |
| 3.2.1 基元颜色对比度 | 第23-24页 |
| 3.2.2 基元亮度对比度 | 第24页 |
| 3.3 边界先验分析 | 第24-25页 |
| 3.3.1 边界的设定 | 第25页 |
| 3.3.2 边界先验显著值定义 | 第25页 |
| 3.4 特征融合与增强 | 第25-28页 |
| 3.4.1 特征融合 | 第26页 |
| 3.4.2 多尺度下显著区域的增强 | 第26-28页 |
| 3.5 实验结果与分析 | 第28-30页 |
| 3.5.1 定量分析 | 第28-29页 |
| 3.5.2 定性分析 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于前景目标与背景信息的显著区域检测算法 | 第31-39页 |
| 4.1 图像分割 | 第31-32页 |
| 4.2 前景目标分析 | 第32-33页 |
| 4.3 背景信息分析 | 第33-34页 |
| 4.4 特征融合 | 第34-35页 |
| 4.5 实验结果与分析 | 第35-38页 |
| 4.5.1 定量分析 | 第36-37页 |
| 4.5.2 定性分析 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第5章 基于区域颜色对比度与连通先验的显著区域检测算法 | 第39-48页 |
| 5.1 区域分割 | 第39页 |
| 5.2 区域颜色对比度分析 | 第39-40页 |
| 5.3 颜色空间分布分析 | 第40-41页 |
| 5.4 连通先验分析 | 第41-42页 |
| 5.5 特征融合 | 第42页 |
| 5.6 实验结果与分析 | 第42-46页 |
| 5.6.1 定量分析 | 第43-45页 |
| 5.6.2 定性分析 | 第45-46页 |
| 5.7 本章小结 | 第46-48页 |
| 第6章 本文三个算法的纵向对比分析 | 第48-54页 |
| 6.1 引言 | 第48页 |
| 6.2 三个数据集上的对比分析 | 第48-51页 |
| 6.2.1 在ASD-1000数据集上的结果分析 | 第48-49页 |
| 6.2.2 在BSD-300数据集上的结果分析 | 第49-50页 |
| 6.2.3 在SED2-100数据集上的结果分析 | 第50-51页 |
| 6.3 三种算法的优缺点分析 | 第51-52页 |
| 6.4 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61页 |