| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 本文的主要工作及章节安排 | 第19-22页 |
| 1.3.1 本文工作 | 第19页 |
| 1.3.2 章节安排 | 第19-22页 |
| 第二章 图像显著性检测理论基础 | 第22-32页 |
| 2.1 两种视觉注意机制 | 第22-24页 |
| 2.1.1 自底向上的视觉注意机制 | 第23页 |
| 2.1.2 自顶向下的视觉注意机制 | 第23-24页 |
| 2.2 图像显著性检测 | 第24-25页 |
| 2.2.1 基于自底向上视觉注意机制的图像显著性检测 | 第24页 |
| 2.2.2 基于自顶向下视觉注意机制的图像显著性检测 | 第24-25页 |
| 2.3 图像显著性检测相关图像处理方法 | 第25-29页 |
| 2.3.1 颜色空间介绍 | 第25-26页 |
| 2.3.2 超像素分割方法 | 第26-28页 |
| 2.3.3 基于Gabor滤波器的纹理特征提取方法 | 第28-29页 |
| 2.4 本章小结 | 第29-32页 |
| 第三章 几种经典的显著性检测算法 | 第32-46页 |
| 3.1 基于人类视觉认知系统的Itti模型 | 第32-35页 |
| 3.1.1 IT模型原理介绍 | 第32-34页 |
| 3.1.2 仿真结果及分析 | 第34-35页 |
| 3.2 基于图表的显著性检测方法 | 第35-37页 |
| 3.2.1 GB方法原理介绍 | 第35-36页 |
| 3.2.2 仿真结果及分析 | 第36-37页 |
| 3.3 基于上下文感知的显著性检测方法 | 第37-39页 |
| 3.3.1 CA方法原理介绍 | 第37-38页 |
| 3.3.2 仿真结果及分析 | 第38-39页 |
| 3.4 基于全局对比度的显著性检测方法 | 第39-42页 |
| 3.4.1 RC方法原理介绍 | 第39-41页 |
| 3.4.2 仿真结果及分析 | 第41-42页 |
| 3.5 基于背景强健的显著性检测方法 | 第42-45页 |
| 3.5.1 RBD方法原理介绍 | 第42-44页 |
| 3.5.2 仿真结果及分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于特征融合的复杂纹理图像显著性检测 | 第46-62页 |
| 4.1 算法思路 | 第46-47页 |
| 4.2 纹理特征和颜色特征分离 | 第47-53页 |
| 4.2.1 提取纹理特征图 | 第47-49页 |
| 4.2.2 提取去纹理后的颜色特征图 | 第49-53页 |
| 4.3 基于超像素的对比度计算 | 第53-59页 |
| 4.3.1 基于超像素的纹理特征对比度 | 第53-56页 |
| 4.3.2 基于超像素的颜色特征对比度 | 第56-58页 |
| 4.3.3 纹理特征和颜色特征融合 | 第58-59页 |
| 4.3.4 显著性优化算法 | 第59页 |
| 4.4 算法流程 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 算法仿真及结果分析 | 第62-68页 |
| 5.1 测试数据集 | 第62-63页 |
| 5.2 评价标准 | 第63-64页 |
| 5.3 对比验证及分析 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
