| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 图像显著性检测及其意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 RGB图像显著性检测 | 第12-13页 |
| 1.2.2 RGB-D图像显著性检测 | 第13-14页 |
| 1.3 本文研究重点 | 第14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 图像显著性检测算法分析 | 第15-40页 |
| 2.1 引言 | 第15页 |
| 2.2 RGB图像显著性检测算法 | 第15-27页 |
| 2.2.1 经典的基于局部对比度的检测算法 | 第15-16页 |
| 2.2.2 基于局部对比度的改进算法 | 第16-19页 |
| 2.2.3 基于全局对比度的检测算法 | 第19-22页 |
| 2.2.4 融合局部、全局对比度的检测算法 | 第22-24页 |
| 2.2.5 基于图模型流形排序的显著性提取方法 | 第24-27页 |
| 2.3 RGB-D图像显著性检测算法 | 第27-36页 |
| 2.3.1 基于非均质中心-邻居差异的深度显著性计算 | 第28-30页 |
| 2.3.2 基于三维点云区域增长的深度显著性计算 | 第30-31页 |
| 2.3.3 基于三维特征提取的深度显著性计算 | 第31-34页 |
| 2.3.4 深度、颜色显著性融合算法 | 第34-36页 |
| 2.4 对比分析 | 第36-38页 |
| 2.4.1 RGB图像显著性检测算法对比分析 | 第36-38页 |
| 2.4.2 RGB-D图像显著性检测算法对比分析 | 第38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 基于三维物体分割的RGB-D图像显著性检测改进 | 第40-56页 |
| 3.1 引言 | 第40页 |
| 3.2 整体思路 | 第40-41页 |
| 3.3 基于深度图的显著性优化 | 第41-42页 |
| 3.3.1 深度显著图的计算 | 第41-42页 |
| 3.3.2 深度显著图与颜色显著图的融合 | 第42页 |
| 3.4 基于三维物体分割的显著性优化 | 第42-46页 |
| 3.4.1 三维物体分割 | 第42-45页 |
| 3.4.2 三维物体分割优化 | 第45-46页 |
| 3.5 实验 | 第46-55页 |
| 3.5.1 数据集获取 | 第46页 |
| 3.5.2 实验评价标准 | 第46-47页 |
| 3.5.3 颜色显著图的生成实验 | 第47-48页 |
| 3.5.4 深度显著图、颜色显著图融合实验 | 第48-50页 |
| 3.5.5 三维物体分割优化实验 | 第50-52页 |
| 3.5.6 与RGB显著性检测算法的对比 | 第52-53页 |
| 3.5.7 与其他RGB-D显著性检测算法的对比 | 第53-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 RGB-D显著性检测在联合分割中的应用 | 第56-61页 |
| 4.1 引言 | 第56页 |
| 4.2 相关研究 | 第56-57页 |
| 4.3 基于显著性检测的联合分割方法 | 第57-59页 |
| 4.3.1 区域提取 | 第58页 |
| 4.3.2 图的构建及最短路径搜索 | 第58-59页 |
| 4.4 实验 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-62页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |