基于相似扩散的图像显著区域协同检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景 | 第8-10页 |
| 1.2 本文主要工作 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 相关工作 | 第12-22页 |
| 2.1 网格超像素 | 第12-13页 |
| 2.2 显著性检测 | 第13-20页 |
| 2.2.1 视觉显著性检测的的应用 | 第14页 |
| 2.2.2 视觉显著性检测的的基础理论 | 第14-16页 |
| 2.2.3 基于认知的显著性检测模型 | 第16-17页 |
| 2.2.4 基于贝叶斯的显著性区域检测模型 | 第17-18页 |
| 2.2.5 基于决策理论的显著性区域检测模型 | 第18页 |
| 2.2.6 基于图模型的显著性区域检测模型 | 第18-19页 |
| 2.2.7 基于滤波的显著性区域检测模型 | 第19-20页 |
| 2.3 协同显著性检测 | 第20-22页 |
| 第三章 图像的超像素网格计算 | 第22-29页 |
| 3.1 主要流程 | 第22-23页 |
| 3.2 超像素融合 | 第23页 |
| 3.3 网格点设置 | 第23-26页 |
| 3.4 网格边的边缘变形 | 第26-28页 |
| 3.4.1 图割算法 | 第26-28页 |
| 3.5 网格超像素的生成 | 第28-29页 |
| 第四章 基于超像素相似性传播的协同显著性检测算法 | 第29-37页 |
| 4.1 构建图像对的超像素相似性图模型 | 第29-31页 |
| 4.1.1 超像素分割 | 第29-30页 |
| 4.1.2 非监督特征学习产生超像素颜色描述符 | 第30页 |
| 4.1.3 超像素相似性度量 | 第30-31页 |
| 4.2 二部图匹配 | 第31-32页 |
| 4.3 并行化的超像素相似性传播 | 第32-34页 |
| 4.3.1 相似性扩散SimRank算法 | 第32-33页 |
| 4.3.2 相似性扩散算法的并行 | 第33-34页 |
| 4.4 超像素级协同显著图计算 | 第34-37页 |
| 4.4.1 协同前景似然模型计算 | 第34-35页 |
| 4.4.2 基于前景一致性准则计算显著图 | 第35-36页 |
| 4.4.3 基于空间聚合特性计算显著图 | 第36页 |
| 4.4.4 融合归一化计算显著图 | 第36-37页 |
| 第五章 实验 | 第37-41页 |
| 5.1 显著性检测方法的评价标准 | 第37-38页 |
| 5.2 协同显著性区域检测实验结果 | 第38-41页 |
| 第六章 总结与展望 | 第41-42页 |
| 6.1 总结 | 第41页 |
| 6.2 展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 发表论文和参加科研情况说明 | 第45-46页 |
| 致谢 | 第46页 |
