| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·引言 | 第8-9页 |
| ·课题研究的背景及意义 | 第9-11页 |
| ·研究现状和发展前景 | 第11-13页 |
| ·技术难点和本文主要研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 2 显著性研究的理论基础 | 第16-22页 |
| ·图像低级特征 | 第16-17页 |
| ·颜色特征 | 第16页 |
| ·亮度特征 | 第16页 |
| ·方向特征 | 第16页 |
| ·纹理特征 | 第16-17页 |
| ·图像傅里叶变换 | 第17页 |
| ·凸包 | 第17-18页 |
| ·显著性先验 | 第18-19页 |
| ·视觉显著模型评价数据集 | 第19-21页 |
| ·视觉显著模型评价指标 | 第21-22页 |
| 3 显著性检测相关算法 | 第22-31页 |
| ·超像素分割 | 第22-26页 |
| ·SLIC(Simple Linear Iterative Clustering) | 第23-24页 |
| ·FH(Graph-based segmentation) | 第24-26页 |
| ·基于上下文的显著性检测 | 第26-27页 |
| ·基于频域分析的显著性检测 | 第27-28页 |
| ·基于背景的显著性检测 | 第28-31页 |
| 4 基于上下文和背景的显著性检测 | 第31-43页 |
| ·本文的主要框架 | 第31-32页 |
| ·上下文显著度 | 第32页 |
| ·背景显著度 | 第32-35页 |
| ·背景超像素选取 | 第32-34页 |
| ·背景显著度计算 | 第34-35页 |
| ·中心先验 | 第35-36页 |
| ·局通滤波 | 第36-37页 |
| ·贝叶斯框架 | 第37-39页 |
| ·多尺度融合 | 第39-43页 |
| ·信息熵最小化 | 第40-41页 |
| ·加权平均 | 第41-43页 |
| 5 实验 | 第43-54页 |
| ·实验说明 | 第43页 |
| ·显著图对比 | 第43-45页 |
| ·验证高通滤波器有效性 | 第45-47页 |
| ·验证贝叶斯框架的有效性 | 第47-49页 |
| ·准确率-召回率曲线对比 | 第49-50页 |
| ·图像分割上的应用 | 第50-51页 |
| ·失败的例子和今后的工作 | 第51-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |