| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 研究现状与趋势 | 第16-29页 |
| 1.2.1 研究现状 | 第16-27页 |
| 1.2.2 技术难点与研究趋势 | 第27-29页 |
| 1.3 本文工作及主要贡献 | 第29页 |
| 1.4 论文的结构安排 | 第29-32页 |
| 第2章 图像显著性研究基础 | 第32-44页 |
| 2.1 图像底层特征 | 第32-35页 |
| 2.1.1 颜色特征与描述方法 | 第32-34页 |
| 2.1.2 纹理特征 | 第34-35页 |
| 2.2 显著性检测中的先验知识 | 第35-36页 |
| 2.3 图像显著性检测中的传播算法 | 第36-39页 |
| 2.4 评价数据集与评价指标 | 第39-42页 |
| 2.4.1 评价数据集 | 第39-40页 |
| 2.4.2 评价指标 | 第40-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 高维特征空间的构建 | 第44-60页 |
| 3.1 提取颜色、纹理特征 | 第46-48页 |
| 3.2 基于轮廓检测与似物性采样的物体完整性特征 | 第48-52页 |
| 3.2.1 算法原理 | 第48-51页 |
| 3.2.2 算法有效性分析 | 第51-52页 |
| 3.3 基于深度卷积网络的高层信息特征 | 第52-56页 |
| 3.3.1 算法原理 | 第52-54页 |
| 3.3.2 算法有效性分析 | 第54-56页 |
| 3.4 本章小结 | 第56-60页 |
| 第4章 改进的显著性传播算法 | 第60-72页 |
| 4.1 边界筛选 | 第62-65页 |
| 4.1.1 算法原理 | 第62-65页 |
| 4.1.2 算法有效性分析 | 第65页 |
| 4.2 边界连接 | 第65-68页 |
| 4.2.1 算法原理 | 第65-67页 |
| 4.2.2 算法有效性分析 | 第67-68页 |
| 4.3 引入汇点 | 第68-70页 |
| 4.3.1 算法原理 | 第68-70页 |
| 4.3.2 算法有效性分析 | 第70页 |
| 4.4 本章小结 | 第70-72页 |
| 第5章 实验结果与分析 | 第72-82页 |
| 5.1 不同算法定量与定性分析比较 | 第72-76页 |
| 5.1.1 添加高维特征空间以及对传播算法改进的前后对比 | 第72-74页 |
| 5.1.2 与其他算法定量及定性分析 | 第74-76页 |
| 5.2 失败的例子 | 第76页 |
| 5.3 利用本文算法优化其他算法 | 第76页 |
| 5.4 本章小结 | 第76-82页 |
| 第6章 工作总结与展望 | 第82-84页 |
| 6.1 工作总结 | 第82-83页 |
| 6.2 工作展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 在读期间发表的学术论文与取得的研究成果 | 第92页 |