基于视觉感知的图像显著区域识别算法及应用
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文研究内容和组织结构 | 第11-13页 |
| 第二章 视觉图像显著区域检测研究 | 第13-31页 |
| 2.1 人类的视觉系统 | 第13-15页 |
| 2.2 图像的显著性特征 | 第15-22页 |
| 2.2.1 图像的颜色特征 | 第16-18页 |
| 2.2.2 图像的亮度特征 | 第18-19页 |
| 2.2.3 图像的纹理特征 | 第19-20页 |
| 2.2.4 图像的频率特征 | 第20-22页 |
| 2.3 图像显著区域检测方法 | 第22-29页 |
| 2.3.1 基于自底向上的图像显著区域检测 | 第22-27页 |
| 2.3.2 基于自上向下的图像显著区域检测 | 第27-29页 |
| 2.4 小结 | 第29-31页 |
| 第三章 融合先验知识的上下文对比显著性检测 | 第31-47页 |
| 3.1 算法主要处理过程 | 第31-33页 |
| 3.2 图像超像素分割 | 第33-37页 |
| 3.2.1 超像素分割方法 | 第33-35页 |
| 3.2.2 SLIC超像素分割算法 | 第35-37页 |
| 3.3 基于超像素分割的上下文感知显著性检测 | 第37-38页 |
| 3.4 先验知识计算 | 第38-41页 |
| 3.4.1 频率先验 | 第39-40页 |
| 3.4.2 颜色先验 | 第40页 |
| 3.4.3 位置先验 | 第40-41页 |
| 3.5 显著性特征融合 | 第41页 |
| 3.6 实验结果 | 第41-45页 |
| 3.7 小结 | 第45-47页 |
| 第四章 基于显著性检测的目标提取和目标重定位 | 第47-53页 |
| 4.1 基于显著性检测的目标提取 | 第47-49页 |
| 4.2 基于显著性检测的目标重定位 | 第49-52页 |
| 4.2.1 Seam Carving算法 | 第49-50页 |
| 4.2.2 基于特征融合显著区域检测的目标重定位 | 第50-52页 |
| 4.3 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文的工作总结 | 第53-54页 |
| 5.2 未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间所取得的相关科研成果 | 第59-61页 |
| 致谢 | 第61-62页 |
