| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 显著性检测的研究背景与意义 | 第9-11页 |
| 1.2 显著性检测的国内外研究现状 | 第11-15页 |
| 1.3 论文主要工作及创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 2 基于两阶段动态背景建模的图像显著性检测 | 第18-34页 |
| 2.1 基于颜色-位置特征及多尺度SLIC的输入图像超像素分割 | 第20-24页 |
| 2.1.1 基于颜色及位置信息的输入图像像素特征描述 | 第21页 |
| 2.1.2 基于多尺度SLIC的输入图像超像素分割 | 第21-24页 |
| 2.2 基于两阶段字典学习的多尺度动态背景建模 | 第24-29页 |
| 2.2.1 阶段 1--基于单尺度超像素集合自举重采样的初始背景学习 | 第25-26页 |
| 2.2.2 基于“肘点”阈值筛选规则的单尺度背景超像素识别 | 第26-29页 |
| 2.2.3 阶段 2--基于K-SVD超完备字典学习的单尺度背景建模 | 第29页 |
| 2.3 基于超像素重构误差平滑的单尺度显著图生成 | 第29-31页 |
| 2.4 多尺度显著图融合 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 显著性检测的实验与分析 | 第34-60页 |
| 3.1 典型的图像库 | 第34-35页 |
| 3.2 显著性检测的性能评价方式 | 第35-38页 |
| 3.2.1 显著性检测的定性评价 | 第35-36页 |
| 3.2.2 显著性检测的定量评价 | 第36-38页 |
| 3.3 实验与分析 | 第38-58页 |
| 3.3.1 实验参数设置 | 第39页 |
| 3.3.2 SOD-DBM算法典型模块功能的有效性验证 | 第39-49页 |
| 3.3.3 SOD-DBM算法与经典算法的性能比较 | 第49-58页 |
| 3.4 本章小结 | 第58-60页 |
| 4 基于查询图像显著性目标检测的图像检索 | 第60-72页 |
| 4.1 基于CBIR-SOD的图像检索 | 第60-65页 |
| 4.1.1 CBIR-SOD图像检索算法的提出 | 第60-61页 |
| 4.1.2 算法关键模块描述 | 第61-65页 |
| 4.2 CBIR-SOD图像检索实验与分析 | 第65-71页 |
| 4.2.1 图像库的构建 | 第65页 |
| 4.2.2 图像检索系统的性能评价 | 第65-66页 |
| 4.2.3 实验与分析 | 第66-71页 |
| 4.3 本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-74页 |
| 5.1 工作总结 | 第72-73页 |
| 5.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |
