| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题背景及研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 数据驱动的视觉注意力建模 | 第16-18页 |
| 1.2.1.1 基于局部对比度的显著性检测 | 第16-17页 |
| 1.2.1.2 基于全局对比度的显著性检测 | 第17-18页 |
| 1.2.1.3 基于图像概率统计的显著性检测 | 第18页 |
| 1.2.1.4 基于图像变换的显著性检测 | 第18页 |
| 1.2.2 目标驱动的视觉注意力建模 | 第18-20页 |
| 1.2.2.1 基于对象特征的模型 | 第19页 |
| 1.2.2.2 基于场景上下文的模型 | 第19页 |
| 1.2.2.3 基于任务需要的模型 | 第19-20页 |
| 1.2.3 图像显著性检测方法面临的挑战 | 第20-21页 |
| 1.3 论文主要工作 | 第21-22页 |
| 1.4 论文内容安排 | 第22-24页 |
| 第二章 视觉注意力机制与评测 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 视觉注意力机制 | 第24-29页 |
| 2.2.1 视觉注意力的生物学基础 | 第24-28页 |
| 2.2.1.1 眼睛的构造与功能 | 第25-26页 |
| 2.2.1.2 从视交叉到初级视皮层 | 第26-27页 |
| 2.2.1.3 纹外皮层与视觉通路 | 第27页 |
| 2.2.1.4 视觉注意力的神经生物学关联 | 第27-28页 |
| 2.2.2 注意力的心理学概念 | 第28-29页 |
| 2.2.3 计算模型中常用的注意力机制 | 第29页 |
| 2.3 图像显著性检测的评测方法 | 第29-39页 |
| 2.3.1 用于眼动预测的评测方法 | 第30-32页 |
| 2.3.2 用于对象检测的评测方法 | 第32-34页 |
| 2.3.3 常用的评测图像数据库 | 第34-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 基于颜色局部对比度的显著性检测 | 第40-54页 |
| 3.1 引言 | 第40-41页 |
| 3.2 一种新的基于局部对比度的显著性检测方法 | 第41-46页 |
| 3.2.1 人类视觉注意准则 | 第41-42页 |
| 3.2.2 中心区域与外周区域 | 第42-43页 |
| 3.2.3 基于中心刺激敏感度的显著性模型 | 第43-45页 |
| 3.2.4 显著支撑区域 | 第45-46页 |
| 3.2.5 视觉显著谱计算 | 第46页 |
| 3.3 实验结果与分析 | 第46-53页 |
| 3.3.1 参数设置 | 第47页 |
| 3.3.2 在TORONTO彩色图像库中的实验结果 | 第47-49页 |
| 3.3.3 在MIT-1003彩色图像库中的实验结果 | 第49-51页 |
| 3.3.4 在DOVES灰度图像库中的实验结果 | 第51-52页 |
| 3.3.5 讨论 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于空间-颜色全局对比度的显著性检测 | 第54-73页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于全局对比度显著性检测的矢量模型 | 第55-56页 |
| 4.2.1 由欧式距离导出的一个矢量模型 | 第55-56页 |
| 4.2.2 方法FT是一种近似的带高斯后处理的矢量模型 | 第56页 |
| 4.3 对矢量模型的分析 | 第56-59页 |
| 4.3.1 矢量模型的显著性检测准则 | 第56-57页 |
| 4.3.2 颜色空间特征选取的问题 | 第57页 |
| 4.3.3 显著区域面积的问题 | 第57-59页 |
| 4.4 矢量模型的优化构建 | 第59-63页 |
| 4.4.1 特征的优化构建 | 第59-61页 |
| 4.4.2 均值矢量的优化构建 | 第61-63页 |
| 4.5 实验结果与分析 | 第63-72页 |
| 4.5.1 矢量模型构建方案的对比 | 第65-67页 |
| 4.5.2 现有方法采用后处理对性能的影响 | 第67-68页 |
| 4.5.3 与现有方法的对比 | 第68-71页 |
| 4.5.4 讨论 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 基于全局对比度和多尺度分割的显著性检测 | 第73-92页 |
| 5.1 引言 | 第73-74页 |
| 5.2 基于联合空间-颜色约束的像素级显著性模型 | 第74-79页 |
| 5.2.1 基于空间约束的显著性模型 | 第74-75页 |
| 5.2.2 基于颜色对的显著性模型 | 第75-77页 |
| 5.2.3 基于相似性分布的显著性模型 | 第77-78页 |
| 5.2.4 显著谱融合 | 第78-79页 |
| 5.3 基于多尺度分割的区域级显著性模型 | 第79-82页 |
| 5.3.1 像素显著谱到区域显著谱的扩展 | 第79-80页 |
| 5.3.2 基于多尺度分割的显著性提取 | 第80-82页 |
| 5.4 实验结果与分析 | 第82-91页 |
| 5.4.1 参数设置 | 第82页 |
| 5.4.2 在MSRA图像库中的实验结果 | 第82-86页 |
| 5.4.3 在TORONTO眼动图像库中的实验结果 | 第86-87页 |
| 5.4.4 讨论 | 第87-91页 |
| 5.5 本章小结 | 第91-92页 |
| 第六章 基于对象学习的语义嵌入显著性检测 | 第92-104页 |
| 6.1 引言 | 第92-93页 |
| 6.2 算法简介 | 第93页 |
| 6.3 用于学习的图像特征 | 第93-98页 |
| 6.3.1 低层次特征 | 第93-95页 |
| 6.3.2 高层次特征 | 第95-97页 |
| 6.3.2.1 对象性谱 | 第95-96页 |
| 6.3.2.2 背景谱 | 第96-97页 |
| 6.3.3 中心先验 | 第97-98页 |
| 6.4 显著谱的学习与融合 | 第98-99页 |
| 6.5 实验结果及分析 | 第99-103页 |
| 6.6 本章小结 | 第103-104页 |
| 第七章 基于显著性的语义超像素生成 | 第104-118页 |
| 7.1 引言 | 第104-106页 |
| 7.2 基于显著性的语义超像素生成方法 | 第106-111页 |
| 7.2.1 图像的超像素表示 | 第106-107页 |
| 7.2.2 超像素的视觉显著性计算 | 第107-108页 |
| 7.2.3 采用显著性机制的超像素合并 | 第108-111页 |
| 7.2.3.1 显著支撑区域覆盖合并后的超像素 | 第110页 |
| 7.2.3.2 显著支撑区域没有覆盖合并后的超像素 | 第110-111页 |
| 7.3 实验结果与分析 | 第111-117页 |
| 7.3.1 参数设置 | 第111页 |
| 7.3.2 主观对比结果 | 第111-114页 |
| 7.3.3 客观对比结果 | 第114-117页 |
| 7.4 本章小结 | 第117-118页 |
| 第八章 总结与展望 | 第118-121页 |
| 8.1 主要贡献及结论 | 第118-119页 |
| 8.2 工作展望 | 第119-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-135页 |
| 攻博期间取得的研究成果 | 第135-137页 |
