| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要内容及组织结构 | 第15-16页 |
| 第2章 显著性检测基础及经典方法 | 第16-33页 |
| 2.1 颜色空间 | 第16-18页 |
| 2.1.1 RGB空间 | 第16-17页 |
| 2.1.2 CIE-Lab空间 | 第17-18页 |
| 2.2 超像素分割 | 第18-20页 |
| 2.2.1 graph-based超像素分割 | 第18-19页 |
| 2.2.2 SLIC超像素分割 | 第19-20页 |
| 2.3 显著性检测经典方法 | 第20-31页 |
| 2.3.1 FT(Frequency-tuned)模型 | 第20-21页 |
| 2.3.2 CA(Context-Aware)模型 | 第21-22页 |
| 2.3.3 RC(RegionContrast)模型 | 第22-24页 |
| 2.3.4 SF(SaliencyFilters)模型 | 第24-25页 |
| 2.3.5 GS(GeodesicSaliency)模型 | 第25-26页 |
| 2.3.6 MR(ManifoldRanking)模型 | 第26-28页 |
| 2.3.7 LMLC(LowandMidLevelCues)模型 | 第28-31页 |
| 2.4 客观评价指标 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 结合背景概率的多先验显著性检测 | 第33-47页 |
| 3.1 问题分析 | 第33-35页 |
| 3.2 背景概率优化 | 第35-38页 |
| 3.2.1 基于仿射传播聚类构建连通图 | 第35-36页 |
| 3.2.2 边界先验优化背概率 | 第36-38页 |
| 3.3 多先验显著性检测 | 第38-39页 |
| 3.3.1 加权对比度先验 | 第38页 |
| 3.3.2 目标中心先验 | 第38-39页 |
| 3.3.3 先验图融合 | 第39页 |
| 3.4 显著图优化 | 第39-40页 |
| 3.5 实验结果分析 | 第40-46页 |
| 3.5.1 算法性能评测 | 第40-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于多尺度的背景抑制显著性检测 | 第47-60页 |
| 4.1 问题分析 | 第47-48页 |
| 4.2 逻辑回归显著性检测 | 第48-51页 |
| 4.2.1 构建全局差异图 | 第48-49页 |
| 4.2.2 逻辑回归融合全局差异图 | 第49-51页 |
| 4.3 元胞自动机更新 | 第51-52页 |
| 4.3.1 影响因子矩阵 | 第51页 |
| 4.3.2 置信度矩阵 | 第51-52页 |
| 4.3.3 同步更新原则 | 第52页 |
| 4.4 分割尺度确定 | 第52-53页 |
| 4.5 颜色加权融合显著图 | 第53-54页 |
| 4.6 实验结果分析 | 第54-59页 |
| 4.6.1 算法性能评测 | 第54-59页 |
| 4.7 本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第67页 |
