| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状分析 | 第10-11页 |
| ·显著性模型的研究意义 | 第11-12页 |
| ·本文主要研究内容和章节安排 | 第12-15页 |
| 第二章 人类视觉系统原理 | 第15-21页 |
| ·人类视觉系统概述 | 第15-16页 |
| ·影响视觉的因素 | 第15-16页 |
| ·视觉信息的处理 | 第16页 |
| ·视觉注意机制 | 第16-17页 |
| ·自顶向下的注意机制 | 第16页 |
| ·自底向上的注意机制 | 第16-17页 |
| ·显著特征描述 | 第17-19页 |
| ·颜色特征 | 第17-18页 |
| ·纹理特征 | 第18页 |
| ·形状特征 | 第18-19页 |
| ·小结 | 第19-21页 |
| 第三章 典型的显著区域检测模型及其性能分析 | 第21-33页 |
| ·常用的空间域显著性检测模型及其性能分析 | 第21-26页 |
| ·Itti模型 | 第21-22页 |
| ·Context-Aware算法 | 第22-23页 |
| ·Graph Based Visual Saliency模型 | 第23-25页 |
| ·基于纹理抑制背景的显著区域检测 | 第25-26页 |
| ·常用的频域显著性检测模型及其性能分析 | 第26-28页 |
| ·Saliency Residual模型 | 第26-27页 |
| ·Image Signature模型 | 第27-28页 |
| ·其他模型及其性能分析 | 第28-32页 |
| ·Saliency Filter模型 | 第28-30页 |
| ·基于稀疏和密集重建的显著性检测模型 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于超像素分割的显著性检测算法 | 第33-51页 |
| ·本文算法模型的流程 | 第33页 |
| ·SLICO超像素分割 | 第33-35页 |
| ·特征提取 | 第35-42页 |
| ·基于Log-Gabor算法的亮度特征提取 | 第35-40页 |
| ·基于HLBP算法的纹理特征提取 | 第40-42页 |
| ·提取背景模板 | 第42-45页 |
| ·基于测地线距离的视觉显著性检测 | 第45-46页 |
| ·超像素间的内部对比度 | 第45页 |
| ·超像素与背景的外部对比度 | 第45-46页 |
| ·对粗略显著图的后处理 | 第46-49页 |
| ·基于OTSU算法的分割 | 第46-47页 |
| ·偏向物体的高斯模型 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第五章 实验与分析 | 第51-67页 |
| ·实验结果及对比分析 | 第51-58页 |
| ·测试数据库 | 第51页 |
| ·主观评价 | 第51-53页 |
| ·客观评价 | 第53-57页 |
| ·综合评价及分析 | 第57-58页 |
| ·图像压缩上的应用 | 第58-65页 |
| ·JPEG 2000压缩编码技术 | 第58页 |
| ·ROI编码技术 | 第58-60页 |
| ·最大位移法 | 第59页 |
| ·一般位移法 | 第59-60页 |
| ·实验及分析 | 第60-65页 |
| ·小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |