视觉显著性检测模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 人类视觉系统的视觉注意机制 | 第11-15页 |
| 1.3 本文的主要内容及章节安排 | 第15-17页 |
| 1.3.1 论文的研究内容 | 第15页 |
| 1.3.2 论文的章节安排 | 第15-17页 |
| 2 视觉显著性相关理论和研究现状 | 第17-35页 |
| 2.1 视觉显著性概述 | 第17-22页 |
| 2.1.1 颜色特征 | 第17-20页 |
| 2.1.2 纹理特征 | 第20-21页 |
| 2.1.3 形状特征 | 第21-22页 |
| 2.1.4 空间关系特征 | 第22页 |
| 2.2 SLIC超像素分割算法 | 第22-23页 |
| 2.3 国内外研究现状 | 第23-34页 |
| 2.3.1 IT算法 | 第25-27页 |
| 2.3.2 GB算法 | 第27-28页 |
| 2.3.3 AC算法 | 第28-30页 |
| 2.3.4 SR算法 | 第30-31页 |
| 2.3.5 FT算法 | 第31-33页 |
| 2.3.6 RC算法 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 基于条件随机场的背景特征融合方法 | 第35-57页 |
| 3.1 算法框架 | 第35-36页 |
| 3.2 背景先验模板提取 | 第36-37页 |
| 3.3 背景唯一性特征 | 第37-39页 |
| 3.4 背景致密性先验特征 | 第39-40页 |
| 3.5 背景稀疏先验特征 | 第40-44页 |
| 3.5.1 稀疏表示原理 | 第41-42页 |
| 3.5.2 背景稀疏先验特征 | 第42-44页 |
| 3.6 条件随机场 | 第44-50页 |
| 3.6.1 概率图模型 | 第44-45页 |
| 3.6.2 概率无向图模型 | 第45-46页 |
| 3.6.3 条件随机场的定义 | 第46-47页 |
| 3.6.4 训练算法 | 第47-48页 |
| 3.6.5 条件随机场背景特征融合算法 | 第48-50页 |
| 3.7 算法评价实验 | 第50-56页 |
| 3.7.1 数据库构建 | 第50-52页 |
| 3.7.2 评价指标 | 第52页 |
| 3.7.3 实验分析 | 第52-53页 |
| 3.7.4 最大类间差法 | 第53-54页 |
| 3.7.5 基于统计指标的算法评价 | 第54-56页 |
| 3.8 本章小结 | 第56-57页 |
| 4 总结与展望 | 第57-59页 |
| 4.1 全文总结 | 第57页 |
| 4.2 未来工作的展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
