摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第15-26页 |
1.1 课题研究意义及背景 | 第15-18页 |
1.2 课题研究现状和存在的问题 | 第18-22页 |
1.2.1 研究现状 | 第18-22页 |
1.2.2 存在的问题 | 第22页 |
1.3 视觉显著性算法的具体应用 | 第22-24页 |
1.4 本文的研究内容及结构安排 | 第24-26页 |
第二章 基于二维分数阶傅里叶变换(2D-FrFT)的显著性模型描述 | 第26-49页 |
2.1 尺度空间基本概念 | 第26-30页 |
2.1.1 空间及尺度空间的建立 | 第26-27页 |
2.1.2 尺度空间的要求 | 第27-28页 |
2.1.3 尺度空间的离散形式 | 第28-30页 |
2.2 二维分数阶傅立叶变换(2D-FrFT)数学模型 | 第30-33页 |
2.2.1 离散二维分数阶傅立叶变换 | 第31-32页 |
2.2.2 二维离散分数阶傅里叶变换(FrFT)的数学模型 | 第32-33页 |
2.2.3 离散FrFT阶数与图像信息熵的关系分析 | 第33页 |
2.3 FrFT的显著性图生成模型 | 第33-35页 |
2.3.1 显著性图SM模型 | 第33-34页 |
2.3.2 最优化问题 | 第34-35页 |
2.4 仿真实验 | 第35-48页 |
2.4.1 噪声敏感度(NSS) | 第36-37页 |
2.4.2 定量比较 | 第37-38页 |
2.4.3 对心理学模式的响应 | 第38-42页 |
2.4.4 预测人眼注意力 | 第42-43页 |
2.4.5 分类图像下算法性能对比 | 第43-48页 |
2.5 本章小结 | 第48-49页 |
第三章 复杂背景下显著性目标的检测 | 第49-64页 |
3.1 引言 | 第49-52页 |
3.2 基于显著性传播算法 | 第52-57页 |
3.2.1 判别相似性度量 | 第52-53页 |
3.2.2 分布导向背景 | 第53-55页 |
3.2.3 井节点的显著性传播 | 第55-57页 |
3.2.4 显著性特征细化 | 第57页 |
3.3 实验结果 | 第57-63页 |
3.3.1 参数和评价指标 | 第58-59页 |
3.3.2 定量结果 | 第59-61页 |
3.3.3 结果的定性分析 | 第61页 |
3.3.4 算法运行时间对比 | 第61页 |
3.3.5 局限性分析 | 第61-63页 |
3.4 本章小结 | 第63-64页 |
第四章 RGBD图像的迭代联合显著性框架 | 第64-82页 |
4.1 引言 | 第64-66页 |
4.2 联合显著性检测的研究工作 | 第66页 |
4.3 RGBD图像的联合显著性框架描述 | 第66-73页 |
4.3.1 初始化过程 | 第67页 |
4.3.2 加性环节 | 第67-70页 |
4.3.3 减性环节 | 第70-72页 |
4.3.4 循环迭代环节 | 第72-73页 |
4.4 实验结果 | 第73-81页 |
4.4.1 实验设置 | 第73-74页 |
4.4.2 算法对比 | 第74-76页 |
4.4.3 模型分析 | 第76-78页 |
4.4.4 DSP评估 | 第78-80页 |
4.4.5 讨论 | 第80-81页 |
4.5 本章小结 | 第81-82页 |
第五章 基于深度显著性网络的联合显著性检测框架 | 第82-99页 |
5.1 引言 | 第82-83页 |
5.2 深度显著性网络框架描述 | 第83-92页 |
5.2.1 深度显著性网络的联合显著检测过程 | 第84-89页 |
5.2.2 完整图上的种子传播算法 | 第89-92页 |
5.3 实验 | 第92-98页 |
5.3.1 实验设置 | 第92-93页 |
5.3.2 运行时间对比 | 第93页 |
5.3.3 算法对比 | 第93-94页 |
5.3.4 各成分分析 | 第94-97页 |
5.3.5 参数分析 | 第97页 |
5.3.6 联合分割实验 | 第97-98页 |
5.4 本章小结 | 第98-99页 |
结论与展望 | 第99-101页 |
主要的研究内容总结 | 第99-100页 |
展望未来工作 | 第100-101页 |
参考文献 | 第101-112页 |
攻读博士学位期间取得的研究成果 | 第112-113页 |
致谢 | 第113-114页 |
附件 | 第114页 |