基于背景检测的显著性优化
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及选题意义 | 第9-10页 |
| 1.2 课题领域研究现状 | 第10-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 显著性检测理论及分析 | 第15-21页 |
| 2.1 图像底层特征 | 第15-18页 |
| 2.1.1 颜色特征描述方法 | 第15-17页 |
| 2.1.2 纹理特征描述方法 | 第17页 |
| 2.1.3 形状特征描述方法 | 第17-18页 |
| 2.2 基于先验知识的显著性检测 | 第18-19页 |
| 2.3 基于贝叶斯模型的显著性检测 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于同步更新的显著性检测优化 | 第21-31页 |
| 3.1 全局对比检测方法 | 第21-25页 |
| 3.1.1 超像素分割 | 第21-23页 |
| 3.1.2 基于背景先验的显著性优化 | 第23-25页 |
| 3.2 基于同步更新的背景检测显著性优化 | 第25-28页 |
| 3.3 实验对比 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于背景检测的显著性优化 | 第31-43页 |
| 4.1 贝叶斯公式 | 第31-36页 |
| 4.1.1 贝叶斯框架下的显著图融合 | 第32-33页 |
| 4.1.2 两幅显著图的贝叶斯融合 | 第33-36页 |
| 4.2 显著性优化算法 | 第36-38页 |
| 4.2.1 优化算法的可行性分析 | 第36页 |
| 4.2.2 优化算法 | 第36-38页 |
| 4.3 背景检测的优化实验及分析 | 第38-41页 |
| 4.3.1 实验准备 | 第38页 |
| 4.3.2 评价标准 | 第38-39页 |
| 4.3.3 与当前先进算法的实验对比与分析 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 总结和展望 | 第43-45页 |
| 5.1 论文工作总结 | 第43页 |
| 5.2 下一步工作的展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间所取得的相关研究成果 | 第49-51页 |
| 致谢 | 第51-52页 |
