基于分层信息融合和随机游走的显著性检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 显著性研究现状 | 第10-12页 |
| 1.3 论文的主要内容和结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 显著性检测的理论基础 | 第14-18页 |
| 2.1 视觉注意机制 | 第14页 |
| 2.2 图像的底层特征 | 第14-16页 |
| 2.2.1 亮度特征 | 第15页 |
| 2.2.2 纹理特征 | 第15页 |
| 2.2.3 颜色特征 | 第15-16页 |
| 2.3 显著性检测的数据库 | 第16页 |
| 2.4 显著性检测结果的评价标准 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 基于分层信息融合的物体级显著性检测方法 | 第18-28页 |
| 3.1 本章算法流程 | 第18-19页 |
| 3.2 基于多层次信息融合的显著性检测 | 第19-24页 |
| 3.2.1 超像素分割 | 第19-20页 |
| 3.2.2 利用显著性滤波器进行中级别显著性检测 | 第20-21页 |
| 3.2.3 物体级别先验信息的融合 | 第21-23页 |
| 3.2.4 从中级显著性到物体级显著性的标签扩散 | 第23-24页 |
| 3.3 实验分析与比较 | 第24-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 基于惰性随机游走的视觉显著性检测算法 | 第28-41页 |
| 4.1 预备知识 | 第28-30页 |
| 4.2 基于惰性随机游走的显著性检测算法 | 第30-37页 |
| 4.2.1 超像素分割及图的构造 | 第30-31页 |
| 4.2.2 基于惰性随机游走的显著性检测 | 第31-35页 |
| 4.2.3 基于先验信息的背景显著图修正 | 第35-36页 |
| 4.2.4 基于前景的随机游走显著性检测 | 第36-37页 |
| 4.3 实验分析与比较 | 第37-39页 |
| 4.4 本章小结 | 第39-41页 |
| 第五章 总结及展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 攻读硕士学位期间发表的论文 | 第46-47页 |
| 致谢 | 第47-48页 |
