基于超像素分割合并的图像显著性检测算法
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 背景知识及研究意义 | 第7-12页 |
| 1.2 本文组织结构 | 第12-14页 |
| 2 研究现状和本文的主要工作 | 第14-17页 |
| 2.1 研究现状 | 第14-16页 |
| 2.2 技术难点和本文的主要工作 | 第16-17页 |
| 3 基于超像素分割合并的显著性检测 | 第17-34页 |
| 3.1 凸包构建 | 第18-25页 |
| 3.1.1 水平集方法分割图像 | 第18页 |
| 3.1.2 使用边缘检测优化超像素分割结果 | 第18-20页 |
| 3.1.3 简单线性迭代聚类分割图像 | 第20-22页 |
| 3.1.4 构建凸包来检测图像中的显著部分 | 第22-25页 |
| 3.1.5 小的超像素的合并 | 第25页 |
| 3.2 基于颜色特征的超像素自适应聚类算法 | 第25-27页 |
| 3.3 初始显著性图构建 | 第27-30页 |
| 3.3.1 基于颜色直方图的显著性图构建 | 第27-28页 |
| 3.3.2 基于区域对比度的显著性图构建 | 第28-30页 |
| 3.4 贝叶斯框架下的图像显著性检测 | 第30-32页 |
| 3.4.1 贝叶斯框架 | 第30页 |
| 3.4.2 观测似然概率计算 | 第30-31页 |
| 3.4.3 显著性图更新 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4 实验与结果 | 第34-50页 |
| 4.1 显著性检测结果对比 | 第35-42页 |
| 4.1.1 实验参数和评价标准 | 第35-36页 |
| 4.1.2 与现有算法进行比较 | 第36-42页 |
| 4.2 验证两种显著性图相结合的有效性 | 第42-45页 |
| 4.3 本文方法在图像分割中的应用 | 第45-47页 |
| 4.4 失败的例子 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-59页 |
