基于多层特征融合的视觉显著性检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 2 相关技术及理论基础 | 第14-30页 |
| 2.1 视觉注意机制 | 第14-16页 |
| 2.1.1 Treisman特征融合理论 | 第14-15页 |
| 2.1.2 Koch神经生物学框架 | 第15-16页 |
| 2.2 图像初级特征 | 第16-19页 |
| 2.2.1 颜色特征 | 第16-18页 |
| 2.2.2 位置特征 | 第18页 |
| 2.2.3 局部方向特征 | 第18页 |
| 2.2.4 形状特征 | 第18-19页 |
| 2.3 视觉显著性检测原理 | 第19-20页 |
| 2.4 超像素分割方法 | 第20-21页 |
| 2.5 测试数据集及性能评价指标 | 第21-24页 |
| 2.5.1 测试数据集 | 第21-22页 |
| 2.5.2 性能评价指标 | 第22-24页 |
| 2.6 典型算法介绍 | 第24-29页 |
| 2.6.1 IT算法 | 第24-25页 |
| 2.6.2 MZ算法 | 第25-26页 |
| 2.6.3 LC算法 | 第26-27页 |
| 2.6.4 CA算法 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 基于多层特征融合的显著性检测 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 算法框架 | 第30-31页 |
| 3.3 算法描述 | 第31-38页 |
| 3.3.1 局部特征提取 | 第31-32页 |
| 3.3.2 全局特征提取 | 第32-36页 |
| 3.3.3 邻域特征提取 | 第36-37页 |
| 3.3.4 特征融合 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-43页 |
| 3.4.1 直观视觉比较 | 第39-40页 |
| 3.4.2 定量指标评价分析 | 第40-42页 |
| 3.4.3 算法时间对比 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 改进型的多层特征融合显著性检测 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 算法框架 | 第45-46页 |
| 4.3 算法描述 | 第46-51页 |
| 4.3.1 邻域特征提取 | 第46-47页 |
| 4.3.2 全局特征提取 | 第47-48页 |
| 4.3.3 区域特征提取 | 第48-49页 |
| 4.3.4 中心－边缘特征提取 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-55页 |
| 4.4.1 直观视觉比较 | 第51-53页 |
| 4.4.2 定量指标评价分析 | 第53-55页 |
| 4.4.3 算法时间对比 | 第55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| A. 攻读硕士学位期间发表的论文 | 第63页 |
