| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文内容安排 | 第13-15页 |
| 第二章 视觉显著性检测概述 | 第15-23页 |
| 2.1 人类视觉注意机制 | 第15-16页 |
| 2.2 视觉显著性特征 | 第16-19页 |
| 2.2.1 空域特征 | 第16-18页 |
| 2.2.2 时域特征 | 第18页 |
| 2.2.3 高级特征 | 第18-19页 |
| 2.3 典型的视觉显著性检测方法介绍 | 第19-22页 |
| 2.3.1 GBVS算法 | 第19-20页 |
| 2.3.2 AIM算法 | 第20页 |
| 2.3.3 CA算法 | 第20-21页 |
| 2.3.4 AMC算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于重启型随机游走模型的视频显著性检测算法 | 第23-41页 |
| 3.1 重启型随机游走模型 | 第23-25页 |
| 3.1.1 随机游走理论 | 第23-24页 |
| 3.1.2 重启型随机游走模型 | 第24页 |
| 3.1.3 吸收马尔科夫链 | 第24-25页 |
| 3.2 基于重启型随机游走模型的视频显著性检测算法 | 第25-32页 |
| 3.2.1 超像素分割 | 第26-27页 |
| 3.2.2 基于重启型随机游走模型的显著性检测方法 | 第27-28页 |
| 3.2.3 空域转移概率矩阵 | 第28-29页 |
| 3.2.4 时域重启概率分布 | 第29-30页 |
| 3.2.5 背景先验重启矩阵 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-39页 |
| 3.3.1 评测数据库 | 第32页 |
| 3.3.2 评价方法 | 第32-34页 |
| 3.3.3 实验仿真结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于互信息的压缩域视频显著性检测算法 | 第41-53页 |
| 4.1 互信息 | 第41-42页 |
| 4.2 基于互信息的时空域视频显著性检测算法 | 第42-47页 |
| 4.2.1 空域显著性检测 | 第43-45页 |
| 4.2.2 时域显著性检测 | 第45页 |
| 4.2.3 时空域显著图 | 第45-47页 |
| 4.2.4 基于凸包的中心先验优化显著图 | 第47页 |
| 4.3 实验结果与分析 | 第47-51页 |
| 4.3.1 定性评价显著性检测算法 | 第48-50页 |
| 4.3.2 定量评价显著性检测算法 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 本文工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 作者攻读学位期间发表的学术论文 | 第63页 |
