| 致谢 | 第5-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第18-36页 |
| 1.1 课题研究的目的和意义 | 第18-21页 |
| 1.1.1 课题研究背景与来源 | 第18-19页 |
| 1.1.2 课题研究的意义和目的 | 第19-21页 |
| 1.2 国内外的研究现状 | 第21-32页 |
| 1.2.1 人类视觉认知机理的研究现状 | 第21-23页 |
| 1.2.2 显著性目标分割理论研究现状 | 第23-24页 |
| 1.2.3 轮廓检测方法研究现状 | 第24-27页 |
| 1.2.4 超像素分割算法研究现状 | 第27-29页 |
| 1.2.5 目标分割识别技术研究现状 | 第29-31页 |
| 1.2.6 存在的主要问题 | 第31-32页 |
| 1.3 本文的研究内容和论文结构 | 第32-36页 |
| 第2章 基于注意力转移的多个显著性目标分割模型 | 第36-52页 |
| 2.1 引言 | 第36-38页 |
| 2.2 多个显著性目标分割模型 | 第38-44页 |
| 2.2.1 视觉注意力模型 | 第39-40页 |
| 2.2.2 知觉组织模型 | 第40-44页 |
| 2.3 实验结果 | 第44-50页 |
| 2.3.1 位置特征和多个显著性目标分割性能测试 | 第46-47页 |
| 2.3.2 单目标显著性分割性能测试 | 第47-50页 |
| 2.4 讨论 | 第50-51页 |
| 2.5 本章小结 | 第51-52页 |
| 第3章 显著性目标超像素轮廓检测算法 | 第52-70页 |
| 3.1 引言 | 第52-54页 |
| 3.2 超像素轮廓检测算法 | 第54-58页 |
| 3.2.1 基于超像素的局部显著性目标轮廓提取 | 第56页 |
| 3.2.2 基于超像素的全局显著性目标轮廓提取 | 第56-58页 |
| 3.3 实验结果 | 第58-67页 |
| 3.3.1 局部轮廓提取结果 | 第59-60页 |
| 3.3.2 全局轮廓提取结果 | 第60-65页 |
| 3.3.3 显著性目标分割 | 第65-67页 |
| 3.4 讨论 | 第67-68页 |
| 3.5 本章小结 | 第68-70页 |
| 第4章 基于图的分水岭显著性目标超像素分割及其在轮廓检测中的应用 | 第70-84页 |
| 4.1 引言 | 第70-72页 |
| 4.2 超像素分割算法WG | 第72-75页 |
| 4.2.1 分水岭分割算法 | 第73-74页 |
| 4.2.2 基于图的区域生长算法 | 第74-75页 |
| 4.3 实验结果 | 第75-82页 |
| 4.3.1 超像素自身作为显著性目标轮廓提取结果 | 第76-77页 |
| 4.3.2 超像素负责提供潜在的显著性目标轮廓位置 | 第77-82页 |
| 4.3.3 讨论 | 第82页 |
| 4.4 本章小结 | 第82-84页 |
| 第5章 基于视觉注意力的显著性目标分割识别算法 | 第84-97页 |
| 5.1 引言 | 第84-86页 |
| 5.2 显著性目标分割识别算法 | 第86-89页 |
| 5.2.1 显著性目标特征提取和识别 | 第87-89页 |
| 5.2.2 显著性目标分割 | 第89页 |
| 5.3 实验结果 | 第89-94页 |
| 5.3.1 不同特征下的显著性目标识别 | 第91-92页 |
| 5.3.2 不同方法得出的显著性目标分割结果 | 第92-94页 |
| 5.4 讨论 | 第94-95页 |
| 5.5 本章小结 | 第95-97页 |
| 第6章 显著性目标分割识别系统的实现 | 第97-106页 |
| 6.1 引言 | 第97-98页 |
| 6.2 系统组成及其功能 | 第98-100页 |
| 6.3 系统工作流程 | 第100-101页 |
| 6.4 实验装置 | 第101-102页 |
| 6.5 实验结果 | 第102-105页 |
| 6.6 本章小结 | 第105-106页 |
| 第7章 总结和展望 | 第106-110页 |
| 7.1 全文内容总结 | 第106-107页 |
| 7.2 论文创新点 | 第107-108页 |
| 7.3 工作展望 | 第108-110页 |
| 参考文献 | 第110-122页 |
| 攻读博士学位期间的主要科研成果 | 第122页 |