基于标签传播的显著性目标检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 经典算法及研究现状 | 第9-13页 |
| 1.3 本文的主要工作与全文的组织结构 | 第13-16页 |
| 1.3.1 本文的主要工作 | 第13-14页 |
| 1.3.2 全文的组织结构 | 第14-16页 |
| 2 相关方法介绍 | 第16-22页 |
| 2.1 SLIC超像素分割算法 | 第16-19页 |
| 2.2 图像先验信息 | 第19-20页 |
| 2.3 基于图模型的相关研究 | 第20-22页 |
| 3 标签传播显著性目标检测 | 第22-40页 |
| 3.1 标签传播算法 | 第22-24页 |
| 3.1.1 标签传播算法的基本理论 | 第23-24页 |
| 3.1.2 标签传播算法的特点 | 第24页 |
| 3.2 关系矩阵的构建 | 第24-27页 |
| 3.3 通过背景标签传播 | 第27-29页 |
| 3.4 通过前景标签传播 | 第29-36页 |
| 3.4.1 类物体性先验 | 第29-33页 |
| 3.4.2 将多种先验融合并计算类物体性先验图 | 第33-35页 |
| 3.4.3 通过类物体性先验进行标签传播 | 第35-36页 |
| 3.5 贝叶斯融合 | 第36-40页 |
| 3.5.1 基于贝叶斯框架的显著性公式 | 第36-37页 |
| 3.5.2 两幅显著图的贝叶斯融合 | 第37-40页 |
| 4 实验结果与分析 | 第40-53页 |
| 4.1 数据库介绍 | 第40页 |
| 4.2 实验细节说明 | 第40-42页 |
| 4.2.1 参数设置 | 第40-41页 |
| 4.2.2 评价指标 | 第41-42页 |
| 4.3 本文模型的实验结果 | 第42-51页 |
| 4.3.1 模型各部分的有效性 | 第42-45页 |
| 4.3.2 和现有算法的比较 | 第45-51页 |
| 4.3.3 运行效率对比 | 第51页 |
| 4.4 本文方法的不足 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
