基于部分吸收随机游走的协同显著性检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.3 技术难点 | 第11-12页 |
| 1.4 论文的主要工作和结构 | 第12-14页 |
| 2 基于图模型的检测原理 | 第14-22页 |
| 2.1 图模型的建立 | 第14-17页 |
| 2.1.1 超像素分割 | 第14-15页 |
| 2.1.2 图模型的表示 | 第15-17页 |
| 2.2 基于随机游走的显著性检测 | 第17-19页 |
| 2.2.1 遍历马尔科夫理论 | 第17-18页 |
| 2.2.2 显著节点检测 | 第18-19页 |
| 2.3 基于流行排序的显著性传播 | 第19-21页 |
| 2.3.1 流行排序理论 | 第19-21页 |
| 2.3.2 显著性衡量 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 自扩散的部分吸收随机游走协同显著性检测 | 第22-45页 |
| 3.1 内容简介 | 第22-23页 |
| 3.2 相似度矩阵的自扩散 | 第23-28页 |
| 3.3 部分吸收随机游走显著目标检测 | 第28-33页 |
| 3.3.1 部分吸收随机游走理论 | 第28-29页 |
| 3.3.2 图模型中的吸收概率 | 第29-31页 |
| 3.3.3 显著性检测 | 第31-33页 |
| 3.4 多图的协同显著目标检测 | 第33-38页 |
| 3.4.1 阈值分割 | 第34-35页 |
| 3.4.2 协同种子点的选取 | 第35-37页 |
| 3.4.3 协同显著性检测 | 第37-38页 |
| 3.5 成对图像的协同显著目标检测 | 第38-44页 |
| 3.5.1 图像间的前景相似信息 | 第39-42页 |
| 3.5.2 图像内的背景相似信息 | 第42-43页 |
| 3.5.3 协同显著性融合 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 实验结果与分析 | 第45-56页 |
| 4.1 评价的准则和参数设定 | 第45-47页 |
| 4.2 相似度矩阵自扩散的有效性 | 第47-48页 |
| 4.3 单图的不同算法的比较 | 第48-50页 |
| 4.4 协同显著性算法比较 | 第50-53页 |
| 4.4.1 图像对的协同显著性算法比较 | 第50-52页 |
| 4.4.2 多幅图像的协同显著性算法比较 | 第52-53页 |
| 4.5 算法失败的例子 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
