| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 视觉显著性算法的研究现状 | 第13-14页 |
| 1.2.1 自底向上的视觉显著性模型 | 第13-14页 |
| 1.2.2 自顶向下的视觉显著性模型 | 第14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文内容组织结构 | 第15-17页 |
| 第2章 视觉显著性检测相关算法 | 第17-24页 |
| 2.1 Itti模型 | 第17-18页 |
| 2.1.1 视觉显著特征提取 | 第17-18页 |
| 2.1.2 视觉显著特征融合 | 第18页 |
| 2.2 基于学习的视觉显著性检测模型 | 第18-20页 |
| 2.2.1 视觉显著特征提取 | 第18-19页 |
| 2.2.2 视觉显著特征融合 | 第19-20页 |
| 2.3 任务影响视觉注意模型 | 第20-21页 |
| 2.3.1 视觉目标特征学习 | 第20-21页 |
| 2.3.2 视觉显著特征融合 | 第21页 |
| 2.4 基于CRF和字典联合学习的视觉显著性检测 | 第21-23页 |
| 2.4.1 视觉字典学习 | 第21-22页 |
| 2.4.2 视觉目标的感知 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 弱监督学习下的视觉显著性目标检测 | 第24-39页 |
| 3.0 弱监督学习 | 第24页 |
| 3.1 条件随机场 | 第24-25页 |
| 3.1.1 条件随机场定义 | 第24-25页 |
| 3.1.2 条件随机场的概率模型 | 第25页 |
| 3.2 SVM分类器 | 第25-28页 |
| 3.2.1 支持向量机(SVM) | 第25-26页 |
| 3.2.2 支持向量机(SVM)核函数 | 第26-28页 |
| 3.3 本文所提算法模型 | 第28-31页 |
| 3.3.1 视觉目标的表征学习 | 第28-29页 |
| 3.3.2 CRF模型构造 | 第29-30页 |
| 3.3.3 视觉目标的表征及CRF系数选择 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-38页 |
| 3.4.1 实验数据库来源及实验设置 | 第32-33页 |
| 3.4.2 最佳迭代次数选择 | 第33-34页 |
| 3.4.3 主观对比实验 | 第34-35页 |
| 3.4.4 客观对比实验 | 第35-38页 |
| 3.4.5 训练样本数量对模型的影响 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 底层与顶层信息协同感知的视觉显著性目标检测 | 第39-53页 |
| 4.1 协同感知的显著性目标检测的整体模型 | 第39页 |
| 4.2 底层特征对视觉目标的感知 | 第39-44页 |
| 4.2.1 初级视觉特征 | 第40-41页 |
| 4.2.2 底层显著特征 | 第41-44页 |
| 4.3 顶层特征建模 | 第44-46页 |
| 4.3.1 检测目标RGB、Lab及纹理的顶层特征学习 | 第44-46页 |
| 4.3.2 RGB、Lab及纹理特征在检测目标中的权重学习 | 第46页 |
| 4.4 底层与顶层信息交互感知 | 第46页 |
| 4.5 实验结果及分析 | 第46-52页 |
| 4.5.1 底层视觉特征分析 | 第46-49页 |
| 4.5.2 底层与顶层信息协同感知结果 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文 | 第60页 |
