| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 引言 | 第11-14页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究应用和前景 | 第12页 |
| ·文章组织结构 | 第12-14页 |
| 第二章 背景 | 第14-21页 |
| ·概述 | 第14页 |
| ·基于生物原理的显著性模型 | 第14-17页 |
| ·面向纯计算的显著性模型 | 第17-19页 |
| ·基于频域分析的显著性模型 | 第17-18页 |
| ·基于空间域分析的显著性模型 | 第18-19页 |
| ·模型局限和本文解决思路 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 基于 HOG 和颜色的显著性模型 | 第21-34页 |
| ·概述 | 第21-22页 |
| ·显著性目标 | 第22页 |
| ·基于 HOG 的显著性分析 | 第22-25页 |
| ·HOG 特征描述子 | 第22-23页 |
| ·HOG 特征描述子的空间分布方差 | 第23-25页 |
| ·基于颜色的显著性分析 | 第25-27页 |
| ·特征显著性图像的整合 | 第27-28页 |
| ·实验和分析 | 第28-32页 |
| ·图像测试数据库 | 第28-29页 |
| ·参与实验的优秀显著性检测方法 | 第29页 |
| ·准确率和召回率 | 第29-31页 |
| ·绝对平均误差 | 第31页 |
| ·分析和讨论 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第四章 基于尺度空间的显著性模型 | 第34-46页 |
| ·概述 | 第34-35页 |
| ·多尺度基元特征提取 | 第35-36页 |
| ·基于尺度空间的视觉注意力机制 | 第35页 |
| ·高斯尺度空间 | 第35-36页 |
| ·多尺度基元提取 | 第36页 |
| ·单尺度的基元显著性 | 第36-38页 |
| ·简化的线性加权中央-周围环绕算子 | 第38-40页 |
| ·多尺度的显著性目标融合 | 第40-41页 |
| ·实验和分析 | 第41-45页 |
| ·准确率和召回率 | 第42-43页 |
| ·绝对平均误差 | 第43-44页 |
| ·其他实验 | 第44-45页 |
| ·分析和讨论 | 第45页 |
| ·小结 | 第45-46页 |
| 第五章 基于双颜色模型的显著性模型 | 第46-53页 |
| ·概述 | 第46页 |
| ·双颜色模型的显著性目标 | 第46-48页 |
| ·颜色模型 | 第46-47页 |
| ·基于 Guide Filter 尺度空间的显著性图像 | 第47-48页 |
| ·双颜色模型的显著性图像融合 | 第48-50页 |
| ·显著性图像的信息熵 | 第48-49页 |
| ·最终显著性图像合成 | 第49-50页 |
| ·实验和分析 | 第50-52页 |
| ·准确率和召回率 | 第50-52页 |
| ·绝对平均误差 | 第52页 |
| ·小结 | 第52-53页 |
| 第六章 基于 Matting 的显著性模型 | 第53-59页 |
| ·概述 | 第53-54页 |
| ·基于 Laplacian 矩阵的 Matting 算法 | 第54-55页 |
| ·基于 Matting 的显著性图像优化 | 第55-56页 |
| ·实验和分析 | 第56-58页 |
| ·准确率和召回率 | 第56-58页 |
| ·绝对平均误差 | 第58页 |
| ·小结 | 第58-59页 |
| 第七章 总结和展望 | 第59-63页 |
| ·总结 | 第59-62页 |
| ·本文主要贡献 | 第59-60页 |
| ·实验和分析 | 第60-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70页 |