摘要 | 第3-5页 |
Abstract | 第5-7页 |
第一章 绪论 | 第11-20页 |
1.1 研究背景和意义 | 第11-13页 |
1.2 国内外的研究现状 | 第13-17页 |
1.2.1 眼动点预测模型 | 第14-15页 |
1.2.2 显著目标检测模型 | 第15-17页 |
1.3 本文主要工作与章节安排 | 第17-20页 |
1.3.1 本文主要工作 | 第17-18页 |
1.3.2 章节安排 | 第18-20页 |
第二章 相关理论与算法 | 第20-27页 |
2.1 视觉注意机制 | 第20-21页 |
2.2 SLIC超像素分割算法 | 第21-22页 |
2.3 颜色特征 | 第22-26页 |
2.3.1 颜色特征表示 | 第23-24页 |
2.3.2 RGB颜色空间与CIELab颜色空间转换 | 第24-26页 |
2.4 本章总结 | 第26-27页 |
第三章 先验融合的全局和局部显著目标检测 | 第27-37页 |
3.1 算法基本原理 | 第28-29页 |
3.2 Smoothness先验 | 第29-30页 |
3.3 全局角度显著图 | 第30-32页 |
3.3.1 全局对比先验 | 第30页 |
3.3.2 centerness先验 | 第30-31页 |
3.3.3 全局角度初步显著图 | 第31页 |
3.3.4 全局smoothness优化 | 第31-32页 |
3.4 局部角度显著图 | 第32-34页 |
3.4.1 compactness先验 | 第32-33页 |
3.4.2 局部对比先验 | 第33-34页 |
3.4.3 局部角度初步显著图 | 第34页 |
3.4.4 局部smoothness优化 | 第34页 |
3.5 全局和局部融合 | 第34-35页 |
3.6 像素级矫正 | 第35页 |
3.7 本章小结 | 第35-37页 |
第四章 特征融合与S-D概率矫正的RGB-D显著检测 | 第37-49页 |
4.1 算法的基本原理 | 第37-40页 |
4.2 特征融合的流形性排序算法 | 第40-41页 |
4.3 S-D矫正概率 | 第41页 |
4.4 显著计算 | 第41-47页 |
4.4.1 深度图预处理 | 第41-42页 |
4.4.2 构建图 | 第42-43页 |
4.4.3 深度图初步显著图 | 第43页 |
4.4.4 深度特征指导RGB图像显著目标检测 | 第43-45页 |
4.4.5 RGB特征指导深度图显著目标检测 | 第45-47页 |
4.4.6 显著优化 | 第47页 |
4.5 本章小结 | 第47-49页 |
第五章 实验结果分析 | 第49-64页 |
5.1 数据集与评价标准 | 第49-51页 |
5.1.1 数据集 | 第49-50页 |
5.1.2 评价标准 | 第50-51页 |
5.2 先验融合的全局和局部显著目标检测实验结果 | 第51-57页 |
5.2.1 实验计划 | 第51页 |
5.2.2 全局角度 | 第51-52页 |
5.2.3 局部角度 | 第52-53页 |
5.2.4 全局和局部融合 | 第53页 |
5.2.5 像素级矫正 | 第53-54页 |
5.2.6 MSRA-1000数据集上比较 | 第54-55页 |
5.2.7 CSSD数据集上比较 | 第55页 |
5.2.8 ECSSD数据集上比较 | 第55-56页 |
5.2.9 质量比较 | 第56-57页 |
5.3 特征融合与S-D概率矫正的RGB-D显著目标检测实验结果 | 第57-63页 |
5.3.1 实验计划 | 第57-58页 |
5.3.2 特征融合的Manifold Ranking方法评估 | 第58-59页 |
5.3.3 深度图初步显著图的显著目标概率估计 | 第59页 |
5.3.4 S-D矫正概率评估 | 第59-60页 |
5.3.5 RGB图显著图的显著目标概率估计 | 第60-61页 |
5.3.6 优化效果评估 | 第61页 |
5.3.7 RGBD数据集上比较 | 第61-62页 |
5.3.8 质量比较 | 第62-63页 |
5.3.9 运行时间比较 | 第63页 |
5.4 本章总结 | 第63-64页 |
第六章 总结与展望 | 第64-67页 |
6.1 工作总结 | 第64-65页 |
6.2 研究展望 | 第65-67页 |
参考文献 | 第67-72页 |
图表目录 | 第72-74页 |
List of Figures and Tables | 第74-76页 |
致谢 | 第76-77页 |
在读期间发表的学术论文 | 第77-78页 |
在读期间参加的科研项目 | 第78页 |