基于颜色对比和各向异性扩散分割的显著性区域检测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·应用价值 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·面临困难和挑战 | 第10页 |
| ·论文的主要工作和结构 | 第10-12页 |
| 2 显著性检测方法综述 | 第12-20页 |
| ·贝叶斯框架下的显著性检测 | 第12-14页 |
| ·贝叶斯框架 | 第12页 |
| ·先验概率 | 第12-14页 |
| ·观测似然概率 | 第14页 |
| ·基于全局对比度的显著性检测 | 第14-17页 |
| ·基于直方图对比 | 第14-15页 |
| ·基于直方图对比加速 | 第15-16页 |
| ·基于区域对比 | 第16-17页 |
| ·基于超像素聚类的显著性检测和显著性传播 | 第17-20页 |
| ·高斯混合模型聚类 | 第18页 |
| ·显著性区域检测 | 第18页 |
| ·通过传播进行显著性修正 | 第18-20页 |
| 3 基于颜色对比和各向异性扩散分割的显著区域检测 | 第20-42页 |
| ·本文框架 | 第20-21页 |
| ·兴趣点检测 | 第21-24页 |
| ·超像素 | 第24-28页 |
| ·TurboPixle实现 | 第24-25页 |
| ·TurboPixle实现 | 第25-27页 |
| ·TurboPixle评估 | 第27-28页 |
| ·颜色对比 | 第28-31页 |
| ·不加空间信息 | 第28-29页 |
| ·加入空间信息 | 第29-31页 |
| ·各向异性扩散分割 | 第31-42页 |
| ·各向异性扩散的优化 | 第32-34页 |
| ·差异排序和聚类 | 第34-36页 |
| ·单幅图像的分割 | 第36-39页 |
| ·计算显著图 | 第39-42页 |
| 4 实验结果 | 第42-56页 |
| ·评估方法 | 第42-44页 |
| ·实验 | 第44-56页 |
| ·验证有效性 | 第45-50页 |
| ·对比实验 | 第50-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
