| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.3 论文主要研究内容及结构安排 | 第15-17页 |
| 第2章 图像显著性相关理论 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 显著性检测 | 第17-18页 |
| 2.3 图像底层特征描述方法 | 第18-21页 |
| 2.3.1 颜色特征 | 第18-19页 |
| 2.3.2 亮度特征 | 第19页 |
| 2.3.3 纹理特征 | 第19-20页 |
| 2.3.4 方向特征 | 第20-21页 |
| 2.4 图像显著性检测原理 | 第21-22页 |
| 2.4.1 对比度原理 | 第21页 |
| 2.4.2 中心效应原理 | 第21-22页 |
| 2.4.3 背景先验知识 | 第22页 |
| 2.5 SLIC超像素分割算法 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于可靠背景的图像显著性检测算法 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 基于背景先验的GS模型 | 第25-26页 |
| 3.3 基于可靠背景的显著性检测 | 第26-30页 |
| 3.3.1 可靠背景分析 | 第27-28页 |
| 3.3.2 算法实现及显著值计算 | 第28-30页 |
| 3.4 实验结果与分析 | 第30-36页 |
| 3.4.1 测试数据集及评价指标 | 第30-32页 |
| 3.4.2 性能评价 | 第32-35页 |
| 3.4.3 讨论与分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于多层次特征结构的图像显著性检测算法 | 第38-53页 |
| 4.1 引言 | 第38页 |
| 4.2 特征结构框架构建方法 | 第38-44页 |
| 4.2.1 基于二元分割树的多层次区域特征结构 | 第40-43页 |
| 4.2.2 以显著值为基本区域特征构建多层次特征结构 | 第43-44页 |
| 4.3 融合多层次显著值特征产生显著图 | 第44页 |
| 4.4 通过回归预测区域显著值 | 第44-46页 |
| 4.4.1 利用SVM模型进行预测 | 第44-45页 |
| 4.4.2 利用Adaboost算法进行预测 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-52页 |
| 4.5.1 测试数据集及评价指标 | 第46-47页 |
| 4.5.2 性能评价 | 第47-51页 |
| 4.5.3 讨论与分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-56页 |
| 5.1 论文工作总结 | 第53-54页 |
| 5.2 未来研究展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间的研究成果 | 第63页 |