基于多光谱数据融合的图像显著性检测
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的工作与安排 | 第14-16页 |
| 第二章 图像显著性检测的相关方法 | 第16-28页 |
| 2.1 基于传统特征的图像显著性检测 | 第16-22页 |
| 2.1.1 通用视觉显著性检测模型 | 第16页 |
| 2.1.2 图像的底层特征 | 第16-19页 |
| 2.1.3 基于传统特征的显著性检测算法 | 第19-22页 |
| 2.2 基于深度学习的图像显著性检测 | 第22-27页 |
| 2.2.1 基于传深度神经网络发展过程 | 第22-24页 |
| 2.2.2 卷积神经网络 | 第24-25页 |
| 2.2.3 MCDL算法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于协同图模型的多模态多光谱显著性检测 | 第28-39页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于协同图模型显著性检测 | 第29-34页 |
| 3.2.1 问题建模 | 第29-30页 |
| 3.2.2 模型求解 | 第30-32页 |
| 3.2.3 中心特征点优化 | 第32-34页 |
| 3.3 基于多光谱多模态显著性检测 | 第34-36页 |
| 3.3.1 基于前景和背景特征的流形排序 | 第34-35页 |
| 3.3.2 多模态数据的融合 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-38页 |
| 3.4.1 实验设置 | 第36页 |
| 3.4.2 实验结果及分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于多尺度深度网络的多光谱显著性检测 | 第39-52页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于多尺度深度网络的多光谱显著性检测 | 第40-43页 |
| 4.2.1 多尺度卷积神经网络 | 第40-43页 |
| 4.2.2 分类网络 | 第43页 |
| 4.3 多模态显著性检测平台构建 | 第43-46页 |
| 4.3.1 实验数据集构建 | 第43-45页 |
| 4.3.2 基准方法 | 第45页 |
| 4.3.3 评价度量 | 第45-46页 |
| 4.4 实验结果 | 第46-51页 |
| 4.4.1 实验设置 | 第46-47页 |
| 4.4.2 对比结果与分析 | 第47-49页 |
| 4.4.3 组成成分分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 攻读硕士学位期间参加的科研项目 | 第61页 |
