基于深度学习的图像显著性检测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 相关工作 | 第17-30页 |
| 2.1 人眼视觉注意机制 | 第17-19页 |
| 2.1.1 视觉注意机制理论 | 第17-18页 |
| 2.1.2 视觉注意机制模拟 | 第18-19页 |
| 2.2 常用显著性检测特征及提取方法 | 第19-24页 |
| 2.2.1 低级显著性检测特征 | 第19-21页 |
| 2.2.2 中级显著性检测特征 | 第21-22页 |
| 2.2.3 高级显著性检测特征 | 第22-24页 |
| 2.3 现有图像显著性检测模型 | 第24-28页 |
| 2.3.1 Itti显著性检测模型 | 第24-26页 |
| 2.3.2 Judd显著性检测模型 | 第26-27页 |
| 2.3.3 其他显著性检测模型 | 第27-28页 |
| 2.4 现有检测模型缺陷分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 新型显著性检测特征提取方法 | 第30-41页 |
| 3.1 新型低级对比特征提取方法 | 第30-36页 |
| 3.1.1 训练SAE模型 | 第30-32页 |
| 3.1.2 提取对比特征 | 第32-33页 |
| 3.1.3 对比实验验证 | 第33-36页 |
| 3.2 新型高级语义特征提取方法 | 第36-39页 |
| 3.2.1 训练CNN网络 | 第36-37页 |
| 3.2.2 提取语义特征 | 第37-38页 |
| 3.2.3 提取实验验证 | 第38-39页 |
| 3.3 新型特征提取方法优势分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 SCS图像显著性检测模型 | 第41-52页 |
| 4.1 SCS显著性检测模型框架 | 第41-42页 |
| 4.2 SCS模型显著图生成方式 | 第42-43页 |
| 4.3 SCS模型分类器选取实验 | 第43-47页 |
| 4.3.1 常见分类器研究 | 第43-45页 |
| 4.3.2 分类器选取分析 | 第45-46页 |
| 4.3.3 分类器确定实验 | 第46-47页 |
| 4.4 SCS模型性能对比实验 | 第47-51页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 实验数据 | 第47-48页 |
| 4.4.3 训练参数 | 第48-49页 |
| 4.4.4 评价标准 | 第49页 |
| 4.4.5 实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 SCS显著性检测模型优化 | 第52-56页 |
| 5.1 对比特征提取优化 | 第52-54页 |
| 5.1.1 对比特征提取优化动机 | 第52页 |
| 5.1.2 对比特征提取优化方法 | 第52-53页 |
| 5.1.3 对比实验结果及分析 | 第53-54页 |
| 5.2 特征类型补充优化 | 第54-55页 |
| 5.2.1 特征类型补充优化动机 | 第54页 |
| 5.2.2 特征类型补充优化方法 | 第54页 |
| 5.2.3 对比实验结果及分析 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 6 总结展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 本文工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
