基于视觉显著性和非监督学习的目标检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 课题的发展现状 | 第11-14页 |
| 1.3.1 视觉显著性检测 | 第11-13页 |
| 1.3.2 无监督学习在图像处理中研究 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 组织结构 | 第15-16页 |
| 第二章 视觉显著性检测理论基础 | 第16-27页 |
| 2.1 显著性目标检测概述 | 第16-17页 |
| 2.2 显著性检测理论模型 | 第17-18页 |
| 2.3 显著性特征 | 第18-20页 |
| 2.3.1 初级显著性特征——视觉特征 | 第18-19页 |
| 2.3.2 高级显著性特征 | 第19-20页 |
| 2.4 显著性检测经典方法 | 第20-25页 |
| 2.4.1 IT方法 | 第20-21页 |
| 2.4.2 频谱残差方法 | 第21-22页 |
| 2.4.3 对比度的方法 | 第22-23页 |
| 2.4.4 低秩矩阵方法 | 第23-25页 |
| 2.5 显著性检测评价标准 | 第25-26页 |
| 2.5.1 显著图评价 | 第25页 |
| 2.5.2 用于评价的数据集 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于图像对比度信息的显著性目标检测 | 第27-40页 |
| 3.1 Lab颜色模型介绍 | 第27-29页 |
| 3.2 基于对比度信息的显著性检测 | 第29-36页 |
| 3.2.1 显著值计算标准 | 第29-30页 |
| 3.2.2 过程加速——颜色量化 | 第30-35页 |
| 3.2.3 微调颜色空间 | 第35-36页 |
| 3.3 实验与分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于非监督聚类算法的图像分割 | 第40-51页 |
| 4.1 模糊理论 | 第40-41页 |
| 4.2 基于FCM的图像分割 | 第41-46页 |
| 4.2.1 模糊C均值聚类算法 | 第41-45页 |
| 4.2.2 图像分割的FCM算法设计 | 第45-46页 |
| 4.3 实验与分析 | 第46-50页 |
| 4.3.1 程序输入输出参数 | 第46页 |
| 4.3.2 聚类分割效果图 | 第46-48页 |
| 4.3.3 显著图和FCM结合 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
