视频显著区域检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 本文主要工作和创新点 | 第15-16页 |
| 1.4 各章节安排 | 第16-18页 |
| 第二章 图像显著性检测的基本方法 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 视觉注意机制的神经生物学基础 | 第18-22页 |
| 2.2.1 人类感知物体的神经基础 | 第18-19页 |
| 2.2.2 感受野的概念 | 第19-20页 |
| 2.2.3 特征整合理论 | 第20页 |
| 2.2.4 Koch神经生物学框架 | 第20-22页 |
| 2.3 典型静态图像显著性检测方法 | 第22-26页 |
| 2.3.1 ITTI模型 | 第22-23页 |
| 2.3.2 GBVS模型 | 第23-24页 |
| 2.3.3 SR模型 | 第24-25页 |
| 2.3.4 IG模型 | 第25-26页 |
| 2.4 代表性视频显著目标检测方法 | 第26-29页 |
| 2.4.1 帧差法 | 第26-27页 |
| 2.4.2 光流法 | 第27-28页 |
| 2.4.3 背景减除法 | 第28页 |
| 2.4.4 基于图像融合的视频显著目标检测方法 | 第28-29页 |
| 2.4.5 视频显著目标检测的其他方法 | 第29页 |
| 2.5 显著性检测数据库 | 第29-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于光流的时域滤波显著目标检测 | 第32-46页 |
| 3.1 基于全局平滑约束的光流运动矢量检测 | 第32-36页 |
| 3.2 基于光流的时域滤波显著性检测分析 | 第36-41页 |
| 3.2.2 运动矢量图时域均值滤波 | 第38-39页 |
| 3.2.3 运动矢量图时域中值滤波 | 第39-40页 |
| 3.2.4 运动矢量图时域中位值平均滤波 | 第40页 |
| 3.2.5 三种时域滤波方式比较 | 第40-41页 |
| 3.3 基于像素分布统计的时域滤波 | 第41-42页 |
| 3.4 实验结果和分析 | 第42-46页 |
| 第四章 基于时-空域的视频显著目标检测 | 第46-68页 |
| 4.1 基于时-空域的视频显著目标检测框架 | 第46-48页 |
| 4.2 时/空域显著性图像检测 | 第48-61页 |
| 4.2.1 空间域静态显著图像 | 第48-58页 |
| 4.2.2 时间域动态显著图像 | 第58-61页 |
| 4.3 基于时-空融合的视频显著区域检测分析 | 第61-63页 |
| 4.4 基于像素差值的动态权值显著图融合方法 | 第63-65页 |
| 4.5 实验结果和分析 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
