基于多层次结合的协同显著性检测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 现有研究现状 | 第7-9页 |
| 1.2.1 传统显著性检测研究现状 | 第7-8页 |
| 1.2.2 协同显著性检测研究现状 | 第8-9页 |
| 1.3 本文主要工作与贡献 | 第9-11页 |
| 1.3.1 本文主要工作 | 第9-10页 |
| 1.3.2 本文创新点 | 第10-11页 |
| 1.4 本文章节安排 | 第11-13页 |
| 2 相关理论基础 | 第13-25页 |
| 2.1 图像分割基础 | 第13-17页 |
| 2.1.1 目标分割 | 第13-15页 |
| 2.1.2 超像素分割 | 第15-16页 |
| 2.1.3 其他分割算法 | 第16-17页 |
| 2.2 图像特征基础 | 第17-19页 |
| 2.2.1 传统图像特征 | 第17-18页 |
| 2.2.2 深度图像特征 | 第18-19页 |
| 2.3 噪声检测模型 | 第19-22页 |
| 2.4 分类模型 | 第22-23页 |
| 2.5 基于流行排序的扩散算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 多层次结合协同显著性检测算法 | 第25-40页 |
| 3.1 目标层协同显著性检测 | 第26-33页 |
| 3.1.1 目标候选样本介绍及特征描述 | 第26-27页 |
| 3.1.2 粗略筛选 | 第27-29页 |
| 3.1.3 精细筛选 | 第29-33页 |
| 3.2 超像素层协同显著性检测 | 第33-38页 |
| 3.2.1 超像素介绍 | 第33-34页 |
| 3.2.2 超像素特征提取 | 第34页 |
| 3.2.3 超像素分类模型 | 第34-36页 |
| 3.2.4 分类模型优化求解 | 第36-37页 |
| 3.2.5 扩散优化 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 实验结果与分析 | 第40-50页 |
| 4.1 图像库 | 第40-41页 |
| 4.2 评价指标 | 第41-42页 |
| 4.3 实验参数设置 | 第42-43页 |
| 4.4 实验结果 | 第43-48页 |
| 4.4.1 i Coseg图像库实验结果 | 第43-45页 |
| 4.4.2 MSRC图像库实验结果 | 第45-48页 |
| 4.4.3 实验结果分析 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |
