| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第17-33页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 显著性检测与融合研究综述 | 第19-27页 |
| 1.2.1 显著性检测算法的研究现状 | 第19-20页 |
| 1.2.2 自底向上的显著性检测模型 | 第20-25页 |
| 1.2.3 自顶向下的显著性检测模型 | 第25-26页 |
| 1.2.4 显著性融合方法 | 第26-27页 |
| 1.3 显著性检测算法的评价方法 | 第27-30页 |
| 1.3.1 显著性检测算法评价数据库介绍 | 第27-28页 |
| 1.3.2 显著性计算模型的主要评价指标 | 第28-30页 |
| 1.4 本文的主要研究内容 | 第30-31页 |
| 1.5 本文的组织结构 | 第31-33页 |
| 2 基于双结构化核范数矩阵分解的显著性目标检测 | 第33-55页 |
| 2.1 引言 | 第33-35页 |
| 2.2 双结构化核范数的矩阵分解 | 第35-40页 |
| 2.2.1 问题公式化 | 第35页 |
| 2.2.2 树结构的核范数 | 第35-36页 |
| 2.2.3 双结构化核范数的矩阵分解模型 | 第36-37页 |
| 2.2.4 ADMM优化 | 第37-40页 |
| 2.2.5 收敛性分析 | 第40页 |
| 2.3 基于DSNMD模型的显著性目标检测 | 第40-42页 |
| 2.3.1 基于底层特征的显著性计算 | 第41-42页 |
| 2.3.2 推广到融合高层先验信息 | 第42页 |
| 2.4 实验结果 | 第42-52页 |
| 2.4.1 实验设置 | 第42-45页 |
| 2.4.2 与其它基于低秩矩阵恢复理论方法的对比 | 第45-47页 |
| 2.4.3 与现有方法的对比 | 第47-52页 |
| 2.5 本章小结 | 第52-55页 |
| 3 基于空间约束编码的自顶向下的显著性检测 | 第55-77页 |
| 3.1 引言 | 第55-57页 |
| 3.2 相关工作 | 第57-59页 |
| 3.2.1 特征编码 | 第57-58页 |
| 3.2.2 似物性检测模型 | 第58-59页 |
| 3.3 自顶向下的显著性检测框架 | 第59-65页 |
| 3.3.1 超像素表示 | 第59-60页 |
| 3.3.2 局部约束的上下文编码 | 第60-63页 |
| 3.3.3 上下文汇聚 | 第63-64页 |
| 3.3.4 自顶向下的显著性预测 | 第64-65页 |
| 3.4 显著性增强 | 第65-66页 |
| 3.5 实验 | 第66-75页 |
| 3.5.1 在Graz-02上的实验结果与分析 | 第67-70页 |
| 3.5.2 在Weizmann Horse上的实验结果与分析 | 第70-72页 |
| 3.5.3 在PASCAL VOC 2007上的实验结果与分析 | 第72-74页 |
| 3.5.4 参数分析及讨论 | 第74-75页 |
| 3.6 本章小结 | 第75-77页 |
| 4 基于稳健主成分分析的显著性融合 | 第77-91页 |
| 4.1 引言 | 第77-79页 |
| 4.2 稳健主成分分析的显著性融合 | 第79-82页 |
| 4.2.1 问题公式化 | 第79页 |
| 4.2.2 基于RPCA的矩阵分解 | 第79-81页 |
| 4.2.3 显著性赋值 | 第81-82页 |
| 4.3 实验 | 第82-88页 |
| 4.3.1 实验设置 | 第82页 |
| 4.3.2 定量评价 | 第82-86页 |
| 4.3.3 视觉比较 | 第86-88页 |
| 4.3.4 局限性分析 | 第88页 |
| 4.4 本章小结 | 第88-91页 |
| 5 基于双低秩矩阵恢复的显著性融合 | 第91-115页 |
| 5.1 引言 | 第91-93页 |
| 5.2 双低秩矩阵恢复的显著性融合 | 第93-101页 |
| 5.2.1 显著性融合问题公式化 | 第93-94页 |
| 5.2.2 双低秩矩阵恢复模型 | 第94-95页 |
| 5.2.3 显著性赋值 | 第95页 |
| 5.2.4 ADMM算法 | 第95-97页 |
| 5.2.5 收敛性分析 | 第97-101页 |
| 5.3 显著性模型选择 | 第101-102页 |
| 5.4 实验结果 | 第102-114页 |
| 5.4.1 实验设置 | 第102页 |
| 5.4.2 性能比较 | 第102-108页 |
| 5.4.3 显著性模型选择方法有效性分析 | 第108-113页 |
| 5.4.4 整体框架复杂性分析 | 第113-114页 |
| 5.4.5 算法的不足 | 第114页 |
| 5.5 本章小结 | 第114-115页 |
| 6 总结与展望 | 第115-117页 |
| 6.1 研究工作总结 | 第115-116页 |
| 6.2 未来展望 | 第116-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-133页 |
| 附录 | 第133-134页 |