| Abstract | 第3-5页 |
| 摘要 | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究的背景与意义 | 第12-16页 |
| 1.1.1 图像显著性检测 | 第12-14页 |
| 1.1.2 三维信息与图像显著性 | 第14-16页 |
| 1.2 国内外研究动态与现状 | 第16-21页 |
| 1.2.1 RGB图像显著性检测研究动态 | 第17-18页 |
| 1.2.2 图像频域显著性检测方法 | 第18-19页 |
| 1.2.3 图像空域显著性检测方法 | 第19-20页 |
| 1.2.4 RGB-D图像显著性检测研究动态 | 第20-21页 |
| 1.3 论文主要内容与组织结构 | 第21-24页 |
| 第二章 相关理论与算法 | 第24-36页 |
| 2.1 显著性检测常用先验知识 | 第24-28页 |
| 2.1.1 中心-周围先验 | 第24-25页 |
| 2.1.2 构图先验 | 第25-26页 |
| 2.1.3 背景先验 | 第26-27页 |
| 2.1.4 深度先验 | 第27-28页 |
| 2.2 显著性检测常用特征 | 第28-32页 |
| 2.2.1 颜色特征 | 第29-30页 |
| 2.2.2 纹理特征 | 第30页 |
| 2.2.3 深度特征 | 第30-31页 |
| 2.2.4 表面法向量特征 | 第31-32页 |
| 2.3 超像素分割算法 | 第32-33页 |
| 2.4 评价方法 | 第33-36页 |
| 2.4.1 查准率-查全率 | 第34-35页 |
| 2.4.2 F-Measure | 第35页 |
| 2.4.3 ROC曲线 | 第35-36页 |
| 第三章 融合显著深度特征的RGB-D图像显著目标检测 | 第36-50页 |
| 3.1 算法基本原理 | 第37-38页 |
| 3.2 深度图预处理 | 第38-43页 |
| 3.2.1 构造深度图模型 | 第39页 |
| 3.2.2 背景顶点区域计算深度显著性 | 第39-40页 |
| 3.2.3 构图交点计算深度显著性 | 第40-42页 |
| 3.2.4 空间紧密度计算深度显著性 | 第42页 |
| 3.2.5 优化深度显著性 | 第42-43页 |
| 3.3 基于颜色和显著深度的综合特征 | 第43-44页 |
| 3.4 RGB-D图像显著目标检测 | 第44-46页 |
| 3.4.1 背景角度-构图先验 | 第44-45页 |
| 3.4.2 背景角度-背景先验 | 第45页 |
| 3.4.3 融合并细化显著图 | 第45-46页 |
| 3.5 实验与分析 | 第46-48页 |
| 3.5.1 数据集 | 第46页 |
| 3.5.2 评估标准 | 第46页 |
| 3.5.3 参数分析与设置 | 第46-47页 |
| 3.5.4 实验结果 | 第47-48页 |
| 3.5.5 质量对比 | 第48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 深度显著图增强RGB-D显著性检测 | 第50-60页 |
| 4.1 算法的基本原理 | 第51-52页 |
| 4.2 深度图预处理 | 第52-54页 |
| 4.2.1 角状密度测量 | 第53页 |
| 4.2.2 角状裂隙测量 | 第53-54页 |
| 4.3 深度显著图指导RGB图流形排序 | 第54-55页 |
| 4.4 RGB图指导深度显著图流形排序 | 第55-56页 |
| 4.4.1 图模型构造 | 第55页 |
| 4.4.2 RGB显著指导种子排序 | 第55-56页 |
| 4.5 RGB图和深度显著图的融合 | 第56页 |
| 4.6 实验与分析 | 第56-57页 |
| 4.6.1 数据集 | 第56-57页 |
| 4.6.2 评估标准 | 第57页 |
| 4.7 实验结果 | 第57-60页 |
| 4.7.1 与其他显著性检测方法对比 | 第57-59页 |
| 4.7.2 质量对比 | 第59页 |
| 4.7.3 本章小结 | 第59-60页 |
| 第五章 融合显著深度特征的RGB-D图像显著目标检测的应用—人脸检测 | 第60-74页 |
| 5.1 基本算法原理 | 第60-61页 |
| 5.2 人脸检测算法相关知识 | 第61-68页 |
| 5.2.1 OpenCV简介 | 第61-62页 |
| 5.2.2 Haar特征分类器介绍 | 第62-63页 |
| 5.2.3 人脸特征值 | 第63页 |
| 5.2.4 Haar-like特征 | 第63-64页 |
| 5.2.5 Haar-like特征的计算—积分图 | 第64页 |
| 5.2.6 计算矩形区域的像素和 | 第64-65页 |
| 5.2.7 提取的特征个数 | 第65页 |
| 5.2.8 使用Adaboost进行训练 | 第65-66页 |
| 5.2.9 弱分类器的训练 | 第66页 |
| 5.2.10 使用Adaboost算法 | 第66-67页 |
| 5.2.11 detectMultiScale函数详解 | 第67-68页 |
| 5.3 OpenCV环境搭建 | 第68-69页 |
| 5.4 RGB-D人脸检测数据集 | 第69页 |
| 5.5 RGB-D显著图人脸检测 | 第69-73页 |
| 5.5.1 RGB-D显著图计算 | 第69-70页 |
| 5.5.2 显著区域的提取 | 第70页 |
| 5.5.3 人脸检测方法 | 第70-71页 |
| 5.5.4 实验结果对比与分析 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-77页 |
| 6.1 论文总结 | 第74-75页 |
| 6.2 研究展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 附录图表索引 | 第82-84页 |
| List of Figures and Tables | 第84-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间研究成果 | 第87页 |
