图像的视觉显著性分析与应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 视觉注意机制研究现状 | 第10-12页 |
| 1.2.2 视觉显著计算模型研究现状 | 第12-13页 |
| 1.3 研究内容与章节安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 通用视觉显著计算模型框架 | 第15-24页 |
| 2.1 显著特征检测与描述 | 第15-19页 |
| 2.1.1 颜色特征 | 第16-17页 |
| 2.1.2 纹理特征 | 第17-18页 |
| 2.1.3 形状特征 | 第18-19页 |
| 2.1.4 视频图像运动信息 | 第19页 |
| 2.2 显著图生成策略 | 第19-21页 |
| 2.2.1 区域比较 | 第20页 |
| 2.2.2 全局均值比较 | 第20-21页 |
| 2.2.3 多尺度多分辨率分析 | 第21页 |
| 2.3 显著图融合策略 | 第21-23页 |
| 2.3.1 单一线性融合 | 第22页 |
| 2.3.2 自适应融合 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 改进的显著计算模型与应用 | 第24-40页 |
| 3.1 Itti模型介绍及分析 | 第24-26页 |
| 3.2 改进的显著计算模型 | 第26-33页 |
| 3.2.1 底层特征提取 | 第26-28页 |
| 3.2.2 显著子图生成 | 第28-30页 |
| 3.2.3 综合显著图 | 第30-31页 |
| 3.2.4 对比实验与结果分析 | 第31-33页 |
| 3.3 在海水珍珠识别系统中的应用 | 第33-38页 |
| 3.3.1 海水珍珠识别系统架构 | 第33页 |
| 3.3.2 系统设计与实现 | 第33-37页 |
| 3.3.3 基于显著计算的珍珠目标检测 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 视觉显著性在视频图像中的应用 | 第40-52页 |
| 4.1 动目标检测方法概述 | 第40-41页 |
| 4.2 基于改进残余谱的视频序列背景提取 | 第41-45页 |
| 4.2.1 SR算法与改进基础 | 第41页 |
| 4.2.2 改进算法提取运动目标背景 | 第41-44页 |
| 4.2.3 实验结果与分析 | 第44-45页 |
| 4.3 改进的Otsu算法应用于运动目标检测 | 第45-51页 |
| 4.3.1 最大类间差法 | 第45-46页 |
| 4.3.2 基于遗传模拟退火算法的改进 | 第46-49页 |
| 4.3.3 结合三帧差分法的运动目标检测 | 第49页 |
| 4.3.4 实验结果与分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 硕士期间发表论文和科研情况 | 第58-59页 |
| 致谢 | 第59页 |
