图像显著性区域检测模型研究及其应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 自底向上显著性计算模型 | 第15-16页 |
| 1.2.2 自顶向下的显著性计算模型 | 第16-17页 |
| 1.3 本文的主要内容与组织 | 第17-19页 |
| 第二章 图像显著性检测理论基础 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 视觉显著性理论 | 第19-21页 |
| 2.2.1 视觉注意机制 | 第19-20页 |
| 2.2.2 视觉显著性检测模型的基本结构 | 第20-21页 |
| 2.3 显著性底层特征描述 | 第21-23页 |
| 2.3.1 颜色特征 | 第21-22页 |
| 2.3.2 亮度特征 | 第22页 |
| 2.3.3 纹理特征 | 第22-23页 |
| 2.4 经典显著性检测模型的介绍 | 第23-30页 |
| 2.4.1 IT算法 | 第23-25页 |
| 2.4.2 SR算法 | 第25-26页 |
| 2.4.3 FT算法 | 第26-27页 |
| 2.4.4 AC算法 | 第27-28页 |
| 2.4.5 HC算法 | 第28-29页 |
| 2.4.6 RC算法 | 第29-30页 |
| 2.5 典型显著性算法的指标比较 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 LGC图像显著性检测模型 | 第32-47页 |
| 3.1 引言 | 第32页 |
| 3.2 一种新的图像显著性检测模型(LGC模型) | 第32-33页 |
| 3.3 图像块的表示 | 第33-36页 |
| 3.4 图像边界权重 | 第36-37页 |
| 3.4.1 图像边界区域集的选取 | 第36页 |
| 3.4.2 图像边界权重的计算 | 第36-37页 |
| 3.5 局部显著图的计算 | 第37-38页 |
| 3.6 全局显著图的计算 | 第38-39页 |
| 3.7 最终显著图的计算 | 第39-41页 |
| 3.8 实验结果与分析 | 第41-45页 |
| 3.8.1 边界区域集可靠性验证 | 第41-42页 |
| 3.8.2 主观视觉效果分析 | 第42页 |
| 3.8.3 客观定量对比分析 | 第42-45页 |
| 3.9 本章小结 | 第45-47页 |
| 第四章 基于LGC模型的图像处理技术应用 | 第47-56页 |
| 4.1 引言 | 第47页 |
| 4.2 图像感兴趣物体分割 | 第47页 |
| 4.3 融合LGC显著性度量的图像分割 | 第47-52页 |
| 4.3.1 基于LGC显著性图的感兴趣区域初始化 | 第48页 |
| 4.3.2 基于迭代的感兴趣区域分割 | 第48-51页 |
| 4.3.3 定量对比分析显著性分割算法 | 第51-52页 |
| 4.4 基于内容感知的图像缩放 | 第52-53页 |
| 4.5 结合显著图的非真实感渲染 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 附录A（攻读硕士学位期间发表论文目录） | 第65-66页 |
| 附录B（攻读硕士学位期间参与项目） | 第66-67页 |
| 详细中文摘要 | 第67-70页 |
| 详细英文摘要 | 第70-73页 |
