| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题研究背景和意义 | 第16-17页 |
| 1.2 显著性检测研究现状 | 第17-21页 |
| 1.3 论文的主要工作与章节安排 | 第21-24页 |
| 第二章 图像显著性目标检测主流算法回顾 | 第24-40页 |
| 2.1 基于鲁棒背景检测的显著性目标检测算法 | 第24-30页 |
| 2.1.1 鲁棒的背景检测 | 第25-28页 |
| 2.1.2 显著性优化 | 第28-29页 |
| 2.1.3 实验结果与分析 | 第29-30页 |
| 2.2 基于稠密和稀疏重构误差描述子的显著性目标检测算法 | 第30-36页 |
| 2.2.1 稠密和稀疏重构误差 | 第30-33页 |
| 2.2.2 紧凑性加权的重构误差 | 第33-35页 |
| 2.2.3 实验结果与分析 | 第35-36页 |
| 2.3 基于结构矩阵分解的显著性目标检测算法 | 第36-39页 |
| 2.3.1 树型结构构建 | 第37页 |
| 2.3.2 结构矩阵分解模型 | 第37-38页 |
| 2.3.3 实验结果与分析 | 第38-39页 |
| 2.4 小结 | 第39-40页 |
| 第三章 基于结构低秩表示和背景驱使的图像显著性目标检测算法 | 第40-54页 |
| 3.1 特征提取与树型结构构建 | 第41-44页 |
| 3.1.1 特征提取 | 第41-42页 |
| 3.1.2 树型结构构建 | 第42-44页 |
| 3.2 背景字典构建 | 第44-45页 |
| 3.3 结构低秩表示模型构建与优化 | 第45-51页 |
| 3.3.1 结构低秩表示模型 | 第45-47页 |
| 3.3.2 结构低秩表示模型优化 | 第47-51页 |
| 3.4 显著性因子构建 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 算法的实验结果与分析 | 第54-70页 |
| 4.1 实验设置 | 第54-57页 |
| 4.1.1 数据库 | 第54页 |
| 4.1.2 图像显著性目标检测算法 | 第54页 |
| 4.1.3 参数设置 | 第54-55页 |
| 4.1.4 评价标准 | 第55-57页 |
| 4.2 与传统算法对比 | 第57-62页 |
| 4.2.1 定性比较与分析 | 第57-58页 |
| 4.2.2 定量比较与分析 | 第58-61页 |
| 4.2.3 计算复杂度分析 | 第61-62页 |
| 4.3 与基于深度学习的算法对比 | 第62-65页 |
| 4.3.1 定量对比与分析 | 第62-63页 |
| 4.3.2 改进后对比 | 第63-65页 |
| 4.4 算法的实验分析 | 第65-69页 |
| 4.4.1 结构低秩约束的分析 | 第65-66页 |
| 4.4.2 背景字典的分析 | 第66-67页 |
| 4.4.3 拉普拉斯正则项分析 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 论文总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |