| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 图像显著性检测算法 | 第14-15页 |
| 1.2.2 视频显著性检测算法 | 第15-16页 |
| 1.3 论文主要章节安排 | 第16-19页 |
| 第二章 视频显著性检测算法概述 | 第19-25页 |
| 2.1 视频显著性检测算法 | 第19-21页 |
| 2.1.1 基于特征融合的视频显著性检测算法 | 第19-21页 |
| 2.1.2 基于视觉注意机制的视频显著性检测算法 | 第21页 |
| 2.2 眼动仪及应用 | 第21-23页 |
| 2.2.1 眼动仪种类 | 第21-22页 |
| 2.2.2 眼动仪相关应用 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于注视点匹配和LDP光流的视频显著性检测算法 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 基于注视点匹配和LDP光流的视频显著性检测 | 第25-31页 |
| 3.2.1 超像素分割 | 第25-26页 |
| 3.2.2 基于注视点信息的区域匹配 | 第26-27页 |
| 3.2.3 静态特征的提取 | 第27-28页 |
| 3.2.4 基于嵌入LDP光流的动态特征 | 第28-30页 |
| 3.2.5 超像素块聚类 | 第30-31页 |
| 3.2.6 显著图生成 | 第31页 |
| 3.3 实验结果与分析 | 第31-41页 |
| 3.3.1 数据库介绍 | 第31-32页 |
| 3.3.2 客观评价准则 | 第32-33页 |
| 3.3.3 眼动实验 | 第33页 |
| 3.3.4 相关参数设置 | 第33-35页 |
| 3.3.5 主观评价 | 第35-39页 |
| 3.3.6 客观评价 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于贝叶斯模型的视频显著性检测算法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 基于贝叶斯模型的视频显著性算法 | 第43-47页 |
| 4.2.1 静态显著区域提取 | 第44-45页 |
| 4.2.2 动态显著区域提取 | 第45-47页 |
| 4.3 空时显著图融合 | 第47-49页 |
| 4.3.1 贝叶斯显著性检测 | 第47-48页 |
| 4.3.2 空时显著性融合 | 第48-49页 |
| 4.4 实验分析 | 第49-53页 |
| 4.4.1 主观评价 | 第49-52页 |
| 4.4.2 客观评价 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 基于眼动信息引导的复杂场景视频显著区域检测算法 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 基于眼动信息引导的复杂场景视频显著区域检测方法 | 第55-59页 |
| 5.2.1 眼动数据获取 | 第56-57页 |
| 5.2.2 训练数据集选取 | 第57页 |
| 5.2.3 特征提取 | 第57-58页 |
| 5.2.4 集成学习 | 第58-59页 |
| 5.3 实验结果与分析 | 第59-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究结论 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
