复杂环境下的显著性目标检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 技术难点 | 第13-14页 |
| 1.4 本文主要内容和章节安排 | 第14-17页 |
| 1.4.1 本文主要内容和创新点 | 第14-15页 |
| 1.4.2 本文章节安排 | 第15-17页 |
| 第二章 显著性目标检测的理论基础和相关算法 | 第17-27页 |
| 2.1 图像低级特征 | 第17-18页 |
| 2.1.1 颜色特征 | 第17-18页 |
| 2.1.2 方向特征 | 第18页 |
| 2.1.3 频域特征 | 第18页 |
| 2.2 先验知识 | 第18-19页 |
| 2.3 图像过分割 | 第19页 |
| 2.4 特征融合算法 | 第19-21页 |
| 2.4.1 基于条件随机场的融合算法 | 第19-21页 |
| 2.4.2 基于优化的融合算法 | 第21页 |
| 2.5 基于低级特征的显著性目标检测 | 第21-22页 |
| 2.6 基于背景的显著性目标检测 | 第22-23页 |
| 2.7 显著性目标检测模型评价数据库 | 第23-24页 |
| 2.8 显著性目标检测模型评价指标 | 第24-26页 |
| 2.9 本章小结 | 第26-27页 |
| 第三章 基于特征图最优融合的显著性目标检测算法 | 第27-46页 |
| 3.1 基于低级特征的显著性检测算法的不足 | 第27页 |
| 3.2 FF算法结构框架 | 第27-29页 |
| 3.3 FF算法实现 | 第29-33页 |
| 3.3.1 颜色分布 | 第29-30页 |
| 3.3.2 方向对比度 | 第30页 |
| 3.3.3 基于频域信息 | 第30-31页 |
| 3.3.4 特征图融合 | 第31-33页 |
| 3.4 实验结果及分析 | 第33-45页 |
| 3.4.1 实验参数 | 第33-34页 |
| 3.4.2 定量比较 | 第34-42页 |
| 3.4.3 定性比较 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于背景优化的显著性目标检测算法 | 第46-72页 |
| 4.1 基于背景信息的显著性检测算法的不足 | 第46页 |
| 4.2 BO算法的结构框架 | 第46-47页 |
| 4.3 BO算法的实现 | 第47-53页 |
| 4.3.1 图像超像素分割（SLIC） | 第48-49页 |
| 4.3.2 图像背景计算 | 第49-51页 |
| 4.3.3 图像前景（目标）提取 | 第51-52页 |
| 4.3.4 基于优化的融合算法 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-70页 |
| 4.4.1 实验参数 | 第54页 |
| 4.4.2 定量比较 | 第54-65页 |
| 4.4.3 定性比较 | 第65-68页 |
| 4.4.4 FF算法与BO算法比较 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 全文总结和展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 后续工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻硕期间取得的研究成果 | 第79-80页 |
