基于凸包聚类和DS证据理论的显著性检测
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 背景知识及研究意义 | 第7-9页 |
| 1.2 本文组织结构 | 第9-10页 |
| 2 研究现状和本文的主要工作贡献 | 第10-15页 |
| 2.1 研究现状 | 第10-12页 |
| 2.2 本文工作及主要贡献 | 第12-15页 |
| 3 基于凸包聚类和DS证据理论的显著性检测 | 第15-36页 |
| 3.1 凸包构建 | 第15-19页 |
| 3.1.1 色彩增强Harris角点检测 | 第15-18页 |
| 3.1.2 构建包围前景的凸包 | 第18-19页 |
| 3.2 凸包内聚类获取精准前景区域 | 第19-24页 |
| 3.2.1 简单线性迭代聚类获取超像素 | 第19-21页 |
| 3.2.2 K-means聚类凸包内超像素 | 第21-22页 |
| 3.2.3 去除凸包内背景区域 | 第22-24页 |
| 3.3 初始显著性图构建 | 第24-26页 |
| 3.3.1 图模型的构建 | 第24-25页 |
| 3.3.2 随机游走模型构建初始显著图 | 第25-26页 |
| 3.4 优化显著图 | 第26-29页 |
| 3.4.1 聚类内显著值传播 | 第26-28页 |
| 3.4.2 融合边界连通性优化 | 第28-29页 |
| 3.4.3 抑制背景超像素显著值 | 第29页 |
| 3.5 显著图的融合 | 第29-35页 |
| 3.5.1 传统融合方法 | 第30-31页 |
| 3.5.2 DS证据理论融合多幅显著图 | 第31-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 实验与结果 | 第36-50页 |
| 4.1 数据库介绍 | 第36-37页 |
| 4.2 实验评价标准 | 第37-39页 |
| 4.2.1 准确率和召回率 | 第38页 |
| 4.2.2 F-measure值 | 第38-39页 |
| 4.2.3 平均绝对误差值 | 第39页 |
| 4.3 比较本文各步骤的效果 | 第39-44页 |
| 4.3.1 定性比较各步骤效果 | 第40-41页 |
| 4.3.2 定量比较各步骤效果 | 第41-44页 |
| 4.4 与经典算法的定量和定性比较 | 第44-49页 |
| 4.4.1 与经典算法的定性比较 | 第44-45页 |
| 4.4.2 与经典算法的定量比较 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |
