| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景与选题意义 | 第7-9页 |
| 1.1.1 显著目标检测的概念 | 第7-8页 |
| 1.1.2 显著目标检测的研究意义 | 第8页 |
| 1.1.3 显著目标检测的应用领域 | 第8-9页 |
| 1.2 技术发展现状 | 第9-12页 |
| 1.2.1 自顶向下的显著目标检测模型 | 第10-11页 |
| 1.2.2 自底向上的显著目标检测模型 | 第11-12页 |
| 1.3 技术难点 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 相关工作与本文贡献 | 第15-21页 |
| 2.1 相关技术 | 第15-19页 |
| 2.1.1 基于边界先验的显著检测 | 第15-17页 |
| 2.1.2 基于贝叶斯理论的显著检测 | 第17-18页 |
| 2.1.3 基于优化理论和迭代增强的显著性检测 | 第18-19页 |
| 2.2 本文主要贡献 | 第19-21页 |
| 第三章 基于边界先验和迭代优化的显著目标检测 | 第21-39页 |
| 3.1 图像特征提取 | 第21-24页 |
| 3.1.1 图像分割与区域简化 | 第21-23页 |
| 3.1.2 图模型的建立 | 第23-24页 |
| 3.2 基于边界先验的显著图估计 | 第24-29页 |
| 3.2.1 边界同质性度量——一种新的背景似然度估计模型 | 第24-26页 |
| 3.2.2 同质性概率p_(ij)的估计 | 第26-28页 |
| 3.2.3 背景图估计与初始显著图生成 | 第28-29页 |
| 3.3 基于迭代优化的显著图增强 | 第29-38页 |
| 3.3.1 基于贝叶斯理论的种子选取 | 第30-34页 |
| 3.3.2 显著图全局优化模型 | 第34-36页 |
| 3.3.3 迭代优化流程 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 实验与数据分析 | 第39-55页 |
| 4.1 实验设置 | 第39-44页 |
| 4.1.1 参数设置 | 第39-40页 |
| 4.1.2 测试数据集 | 第40-42页 |
| 4.1.3 性能评价指标 | 第42-44页 |
| 4.2 算法各部分设计的有效性验证 | 第44-45页 |
| 4.3 定量实验结果与分析 | 第45-48页 |
| 4.4 定性实验结果与分析 | 第48-49页 |
| 4.5 算法运行时间 | 第49页 |
| 4.6 显著性检测的简单应用场景 | 第49-53页 |
| 4.6.1 基于显著性检测的内容感知缩略图生成 | 第49-51页 |
| 4.6.2 基于显著图的图像背景虚化 | 第51-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |