摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第13-32页 |
1.1 本论文研究的背景与意义 | 第13页 |
1.2 视觉显著性计算的理论基础 | 第13-18页 |
1.2.1 相关概念 | 第14-15页 |
1.2.2 视觉注意机制的心理物理学模型 | 第15-17页 |
1.2.3 视觉显著性计算模型的构建方法 | 第17-18页 |
1.3 视觉显著性计算研究综述 | 第18-24页 |
1.3.1 自底向上的视觉显著性计算模型 | 第18-20页 |
1.3.2 自顶向下的视觉显著性计算模型 | 第20-22页 |
1.3.3 视觉显著性计算模型的应用 | 第22-23页 |
1.3.4 视觉显著性计算模型的比较分析 | 第23-24页 |
1.4 视觉显著性计算模型的评价方法 | 第24-29页 |
1.4.1 视觉显著性评价数据集的获取 | 第24-28页 |
1.4.2 视觉显著性模型的主要评价指标 | 第28-29页 |
1.5 本文的主要内容与章节安排 | 第29-32页 |
第二章 图像的稀疏表示 | 第32-40页 |
2.1 引言 | 第32页 |
2.2 稀疏表示的基本方法 | 第32-35页 |
2.2.1 正交匹配追踪算法 | 第33-34页 |
2.2.2 基于迭代重加权最小二乘收缩算法 | 第34-35页 |
2.3 词典学习方法 | 第35-38页 |
2.3.1 基于数据驱动的词典学习方法 | 第35-36页 |
2.3.2 基于任务驱动的词典学习方法 | 第36-38页 |
2.4 图像的稀疏表示 | 第38-39页 |
2.5 本章小结 | 第39-40页 |
第三章 基于图像稀疏表示的自底向上显著性计算 | 第40-54页 |
3.1 引言 | 第40-41页 |
3.2 静态图像中基于图像稀疏表示的显著性计算 | 第41-44页 |
3.2.1 视觉显著性计算框架 | 第41页 |
3.2.2 图像的颜色格式转换 | 第41-42页 |
3.2.3 图像的稀疏表示 | 第42-43页 |
3.2.4 局部显著性计算 | 第43页 |
3.2.5 全局显著性计算 | 第43-44页 |
3.2.6 显著性图的归一化与融合 | 第44页 |
3.3 视频中基于图像稀疏表示的显著性计算 | 第44-47页 |
3.3.1 视频中视觉显著性的计算基本框架 | 第45-46页 |
3.3.2 视频中帧间运动显著性检测 | 第46页 |
3.3.3 帧内显著性与帧间显著性的融合 | 第46-47页 |
3.4 实验结果与分析 | 第47-53页 |
3.4.1 实验所用数据集与环境 | 第47-48页 |
3.4.2 图像中的显著性计算实验结果与分析 | 第48-51页 |
3.4.3 视频动态场景中的显著性测试与分析 | 第51-53页 |
3.5 本章小结 | 第53-54页 |
第四章 引入自顶向下因素的视觉显著性计算 | 第54-80页 |
4.1 引言 | 第54-55页 |
4.2 图像中基于视觉搜索任务的显著性计算 | 第55-69页 |
4.2.1 显著性计算框架 | 第55-56页 |
4.2.2 图像的特征表示 | 第56-60页 |
4.2.3 自顶向下的显著性计算 | 第60-61页 |
4.2.4 显著性融合策略的学习与选择 | 第61-62页 |
4.2.5 实验结果与比较 | 第62-69页 |
4.3 视频跟踪问题中的显著性计算与凝视点预测 | 第69-78页 |
4.3.1 基本框架 | 第69-70页 |
4.3.2 基于局部颜色直方图对比的视觉显著性模型 | 第70-74页 |
4.3.3 算法描述 | 第74-75页 |
4.3.4 实验结果与分析 | 第75-78页 |
4.3.5 讨论 | 第78页 |
4.4 本章小结 | 第78-80页 |
第五章 基于全局颜色对比的显著性目标检测 | 第80-92页 |
5.1 引言 | 第80-81页 |
5.2 条件随机场判别模型 | 第81-84页 |
5.2.1 条件随机场的定义 | 第81-82页 |
5.2.2 条件随机场的势函数与概率模型 | 第82-83页 |
5.2.3 条件随机场模型的参数估计 | 第83-84页 |
5.3 图像中显著性目标检测算法 | 第84-88页 |
5.3.1 基于全局颜色对比度特征的提取 | 第85-87页 |
5.3.2 图像中分割势函数的计算 | 第87-88页 |
5.3.3 显著性目标区域的获取 | 第88页 |
5.4 实验结果与分析 | 第88-91页 |
5.4.1 图像中的显著性目标检测实验与分析 | 第88-91页 |
5.5 本章小结 | 第91-92页 |
第六章 基于视觉显著性计算的目标跟踪 | 第92-113页 |
6.1 引言 | 第92-93页 |
6.2 基于分布场的图像描述 | 第93-96页 |
6.2.1 分布场的定义 | 第94页 |
6.2.2 分布场的构造 | 第94-95页 |
6.2.3 分布场的比较 | 第95页 |
6.2.4 分布场的更新 | 第95-96页 |
6.3 基于显著性计算的目标跟踪算法 | 第96-102页 |
6.3.1 目标遮挡的检测与处理 | 第96-100页 |
6.3.2 多尺度目标跟踪 | 第100页 |
6.3.3 跟踪算法描述 | 第100-102页 |
6.4 实验结果与比较 | 第102-112页 |
6.4.1 实验所用数据库与环境 | 第103页 |
6.4.2 实验评价指标 | 第103-105页 |
6.4.3 实验结果与分析 | 第105-112页 |
6.5 本章小结 | 第112-113页 |
结论与展望 | 第113-116页 |
1 主要工作与总结 | 第113-114页 |
2 展望 | 第114-116页 |
参考文献 | 第116-129页 |
攻读博士学位期间取得的研究成果 | 第129-131页 |
致谢 | 第131-132页 |
附件 | 第132页 |