基于位置先验与超像素的显著性检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文工作及内容安排 | 第11-13页 |
| 2 视觉显著性检测理论基础 | 第13-21页 |
| 2.1 视觉显著性检测的神经生物学框架 | 第14-17页 |
| 2.1.1 视网膜 | 第14-15页 |
| 2.1.2 大脑皮层 | 第15-17页 |
| 2.2 视觉显著性检测的心理学解释 | 第17-20页 |
| 2.2.1 特征整合理论 | 第17-18页 |
| 2.2.2 背景线索效应 | 第18-20页 |
| 2.3 自底向上显著性检测模型研究难点分析 | 第20-21页 |
| 3 基于Gestalt原理的显著性检测 | 第21-34页 |
| 3.1 问题分析 | 第21页 |
| 3.2 Gestalt原理 | 第21-22页 |
| 3.3 算法设计 | 第22-26页 |
| 3.3.1 整体框架 | 第22-23页 |
| 3.3.2 被包围状态的二值图表示 | 第23-24页 |
| 3.3.3 特征通道随机阂值法生成二值图 | 第24-26页 |
| 3.4 实验结果与分析 | 第26-34页 |
| 3.4.1 评价数据集 | 第26-29页 |
| 3.4.2 评价方法 | 第29-30页 |
| 3.4.3 实验结果与分析 | 第30-34页 |
| 4 基于位置先验与超像素的显著性检测 | 第34-48页 |
| 4.1 问题分析 | 第34页 |
| 4.2 超像素分割方法SSLC | 第34-40页 |
| 4.2.1 初始化种子点 | 第35-36页 |
| 4.2.2 相似性度量 | 第36-37页 |
| 4.2.3 确保连通性 | 第37-40页 |
| 4.3 算法设计 | 第40-42页 |
| 4.3.1 整体框架 | 第40页 |
| 4.3.2 计算超像素独特性 | 第40-41页 |
| 4.3.3 计算超像素空间分布 | 第41页 |
| 4.3.4 著值计算 | 第41页 |
| 4.3.5 位置先验融合框架 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-48页 |
| 4.4.1 评价数据集 | 第42-43页 |
| 4.4.2 评价指标 | 第43-44页 |
| 4.4.3 实验结果与分析 | 第44-48页 |
| 5 在复杂场景下非显著目标搜索中的应用 | 第48-52页 |
| 5.1 渐进式目标搜索算法 | 第48-49页 |
| 5.2 实验分析 | 第49-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
