静态图像数据显著性区域特征检测算法研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 引言 | 第9-11页 |
| 1.2 课题的研究背景和意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.4 工作内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 2 课题相关技术及理论基础 | 第17-38页 |
| 2.1 视觉系统的注意理论 | 第17-23页 |
| 2.1.1 视觉系统研究现状 | 第17-19页 |
| 2.1.2 视觉注意机制综述 | 第19-21页 |
| 2.1.3 视觉注意机制模型 | 第21-23页 |
| 2.2 显著性检测的关键技术 | 第23-26页 |
| 2.2.1 感兴趣点预测 | 第24-25页 |
| 2.2.2 感兴趣位置预测 | 第25页 |
| 2.2.3 感兴趣区域预测 | 第25-26页 |
| 2.3 图像基础特征 | 第26-32页 |
| 2.3.1 颜色特征 | 第27-30页 |
| 2.3.2 形状特征 | 第30-31页 |
| 2.3.3 位置方向特征 | 第31页 |
| 2.3.4 中心周边对比特征 | 第31-32页 |
| 2.4 典型算法的介绍 | 第32-37页 |
| 2.4.1 AC算法 | 第32-33页 |
| 2.4.2 FT算法 | 第33页 |
| 2.4.3 SR算法 | 第33-34页 |
| 2.4.4 LC算法 | 第34-35页 |
| 2.4.5 CA算法 | 第35-36页 |
| 2.4.6 HC算法 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 自底向上的特征融合的显著性检测 | 第38-48页 |
| 3.1 概述 | 第38-39页 |
| 3.2 算法描述 | 第39-41页 |
| 3.2.1 算法核心思想 | 第39页 |
| 3.2.2 算法框架和流程 | 第39-41页 |
| 3.3 特征的提取 | 第41-47页 |
| 3.3.1 形状特征提取 | 第41-43页 |
| 3.3.2 颜色特征提取 | 第43-45页 |
| 3.3.3 特征融合 | 第45-47页 |
| 3.4 信息熵 | 第47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 算法的验证说明 | 第48-59页 |
| 4.1 算法验证简介 | 第48页 |
| 4.2 算法验证内容 | 第48-55页 |
| 4.2.1 测试数据集 | 第48-51页 |
| 4.2.2 算法性能评价指标 | 第51-53页 |
| 4.2.3 显著图的比较 | 第53-55页 |
| 4.3 失败的图例 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| A.攻读硕士学位期间发表的论文 | 第66页 |
