| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 论文的主要内容 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第2章 基础知识 | 第13-22页 |
| 2.1 图像特征 | 第13-14页 |
| 2.1.1 颜色特征 | 第13-14页 |
| 2.1.2 纹理特征 | 第14页 |
| 2.2 简单线性迭代聚类 | 第14-16页 |
| 2.3 支持向量机 | 第16-18页 |
| 2.4 基于引导学习的显著性检测模型 | 第18-21页 |
| 2.4.1 弱显著模型 | 第19页 |
| 2.4.2 强显著模型 | 第19-21页 |
| 2.5 基于高斯的眼动显著值 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于眼动的图像超像素分割算法 | 第22-35页 |
| 3.1 眼动数据采集 | 第22-27页 |
| 3.1.1 图像数据集 | 第22-23页 |
| 3.1.2 眼动实验环境 | 第23页 |
| 3.1.3 眼动实验过程 | 第23-26页 |
| 3.1.4 眼动数据分析 | 第26-27页 |
| 3.2 基于眼动显著值的图像超像素分割 | 第27-31页 |
| 3.2.1 眼动显著值计算 | 第27-29页 |
| 3.2.2 基于眼动的超像素分割算法 | 第29-30页 |
| 3.2.3 眼动显著值优化超像素分割算法 | 第30-31页 |
| 3.3 实验 | 第31-34页 |
| 3.3.1 评价指标 | 第31页 |
| 3.3.2 实验结果与分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于眼动的图像显著性检测算法 | 第35-49页 |
| 4.1 算法框架 | 第35-36页 |
| 4.2 预处理 | 第36-37页 |
| 4.3 基于眼动的显著性检测 | 第37-39页 |
| 4.3.1 基于眼动的样本筛选策略 | 第37页 |
| 4.3.2 基于学习的显著性检测 | 第37-39页 |
| 4.4 显著图优化 | 第39-40页 |
| 4.5 实验 | 第40-48页 |
| 4.5.1 评价指标 | 第40-41页 |
| 4.5.2 实验结果与分析 | 第41-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-50页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 未来研究展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录A 攻读硕士期间发表的学术论文和参与的科研项目 | 第54页 |