基于视觉感知与注意机制的图像显著目标检测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-14页 |
| 缩略语对照表 | 第14-19页 |
| 第1章 绪论 | 第19-39页 |
| 1.1 课题研究的背景及意义 | 第19-22页 |
| 1.2 研究现状和发展前景 | 第22-31页 |
| 1.2.1 基于生物研究的注视点预测模型 | 第23-26页 |
| 1.2.2 显著性目标检测模型 | 第26-31页 |
| 1.3 技术难点及存在的问题 | 第31-34页 |
| 1.4 本文主要研究内容 | 第34-39页 |
| 第2章 基于自表征学习的显著性目标检测 | 第39-61页 |
| 2.1 引言 | 第39-40页 |
| 2.2 相关工作及研究进展 | 第40-43页 |
| 2.3 自表征学习的显著性区域检测 | 第43-45页 |
| 2.3.1 自表征学习模型 | 第43-44页 |
| 2.3.2 背景字典 | 第44-45页 |
| 2.3.3 图的构造 | 第45页 |
| 2.4 实验结果及分析 | 第45-60页 |
| 2.4.1 评测数据库介绍 | 第46-47页 |
| 2.4.2 评价标准 | 第47-49页 |
| 2.4.3 实验参数设置分析 | 第49页 |
| 2.4.4 定性对比分析 | 第49-53页 |
| 2.4.5 定量对比分析 | 第53-60页 |
| 2.5 本章小结 | 第60-61页 |
| 第3章 基于局部稀疏正则的显著目标检测 | 第61-81页 |
| 3.1 引言 | 第61-62页 |
| 3.2 相关工作及研究进展 | 第62-64页 |
| 3.3 基于局部图正则稀疏重构的显著目标检测 | 第64-67页 |
| 3.3.1 局部图正则的稀疏重构算法 | 第64-66页 |
| 3.3.2 潜在的背景字典 | 第66-67页 |
| 3.3.3 视觉特征提取 | 第67页 |
| 3.4 实验结果及分析 | 第67-79页 |
| 3.4.1 实验参数设置分析 | 第68-70页 |
| 3.4.2 定性对比分析 | 第70-71页 |
| 3.4.3 定量对比分析 | 第71-78页 |
| 3.4.4 计算效率 | 第78页 |
| 3.4.5 局限性分析与讨论 | 第78-79页 |
| 3.5 本章小结 | 第79-81页 |
| 第4章 基于颜色属性的目标层显著性检测 | 第81-99页 |
| 4.1 引言 | 第81-84页 |
| 4.2 基于颜色属性的目标层模型 | 第84-89页 |
| 4.2.1 颜色属性 | 第84页 |
| 4.2.2 候选似物性 | 第84-87页 |
| 4.2.3 全局显著性计算 | 第87-89页 |
| 4.2.4 显著图计算 | 第89页 |
| 4.3 实验结果及分析 | 第89-96页 |
| 4.3.1 定性对比分析 | 第91页 |
| 4.3.2 定量对比分析 | 第91-96页 |
| 4.4 讨论 | 第96-97页 |
| 4.5 计算效率 | 第97页 |
| 4.6 本章小结 | 第97-99页 |
| 第5章 半监督自表示的显著性目标检测 | 第99-115页 |
| 5.1 引言 | 第99-100页 |
| 5.2 相关工作及研究进展 | 第100-103页 |
| 5.3 半监督自表示的显著性检测算法 | 第103-106页 |
| 5.3.1 注视目标和背景候选区域提取 | 第103-104页 |
| 5.3.2 半监督的自表示学习 | 第104-105页 |
| 5.3.3 显著性检测结果计算 | 第105-106页 |
| 5.4 实验结果分析 | 第106-113页 |
| 5.4.1 定性对比分析 | 第107页 |
| 5.4.2 定量对比分析 | 第107-113页 |
| 5.5 本章小结 | 第113-115页 |
| 第6章 总结与展望 | 第115-119页 |
| 参考文献 | 第119-131页 |
| 致谢 | 第131-133页 |
| 作者简介 | 第133-134页 |
