| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 本文主要工作与章节安排 | 第17-20页 |
| 1.3.1 本文主要工作与创新点 | 第17-18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第二章 显著性检测的相关理论与算法 | 第20-31页 |
| 2.1 人类视觉感知系统 | 第20-21页 |
| 2.2 视觉注意机制 | 第21-23页 |
| 2.3 颜色特征 | 第23-27页 |
| 2.3.1 CIE Lab颜色空间与RGB颜色空间的相互转换 | 第23-26页 |
| 2.3.2 颜色特征描述法 | 第26-27页 |
| 2.3.3 颜色对比度特征 | 第27页 |
| 2.4 图像分割算法 | 第27-28页 |
| 2.4.1 SLIC超像素分割 | 第27-28页 |
| 2.4.2 Mean-shift区域分割 | 第28页 |
| 2.5 流行排序算法 | 第28-30页 |
| 2.5.1 构造闭环图 | 第29页 |
| 2.5.2 流行排序 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 特征融合与Objectness加强的显著目标检测 | 第31-37页 |
| 3.1 算法基本原理 | 第32-33页 |
| 3.2 颜色区别性特征 | 第33-34页 |
| 3.3 边界先验特征 | 第34-35页 |
| 3.4 Objectness特征 | 第35-36页 |
| 3.5 融合 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 融合多尺度构图先验的显著目标检测算法 | 第37-46页 |
| 4.1 构图先验知识 | 第38-39页 |
| 4.2 多尺度分割 | 第39-40页 |
| 4.3 融合构图先验的显著计算方法 | 第40-45页 |
| 4.3.1 显著计算 | 第40-41页 |
| 4.3.2 细化显著图 | 第41-43页 |
| 4.3.3 像素点显著值矫正 | 第43-45页 |
| 4.4 多尺度融合 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 实验结果与分析 | 第46-58页 |
| 5.1 数据集与评价指标 | 第46-48页 |
| 5.1.1 数据集 | 第46-47页 |
| 5.1.2 评价指标 | 第47-48页 |
| 5.2 特征融合与objectness加强的显著目标检测实验结果 | 第48-51页 |
| 5.2.1 评估各项特征 | 第48-49页 |
| 5.2.2 MRSA-1000数据集 | 第49页 |
| 5.2.3 CSSD数据集 | 第49-50页 |
| 5.2.4 ECSSD数据集 | 第50页 |
| 5.2.5 质量比较 | 第50-51页 |
| 5.3 融合多尺度构图先验的显著目标检测实验结果 | 第51-56页 |
| 5.3.1 单一尺度与多尺度对比 | 第52页 |
| 5.3.2 矫正与不矫正对比 | 第52-53页 |
| 5.3.3 MSRA-1000数据集上比较 | 第53-54页 |
| 5.3.4 CSSD数据集上比较 | 第54页 |
| 5.3.5 ECSSD数据集上比较 | 第54-55页 |
| 5.3.6 运行时间比较 | 第55-56页 |
| 5.3.7 质量比较 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 本文展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文及其他成果 | 第67页 |
