基于时空线索的快速视频显著度检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景和意义 | 第8-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 技术难题和本文的主要工作 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 2 相关基础理论 | 第16-27页 |
| 2.1 线性插值 | 第16-17页 |
| 2.2 图像的仿射变换 | 第17-18页 |
| 2.3 超像素分割 | 第18-20页 |
| 2.4 Farneback光流算法 | 第20-24页 |
| 2.4.1 像素邻域的多项式展开 | 第21页 |
| 2.4.2 邻域的位移估计 | 第21-22页 |
| 2.4.3 迭代位移估计和多尺度位移估计 | 第22-24页 |
| 2.5 基于Haar-like特征的人脸检测 | 第24-27页 |
| 3 基于时空线索的快速视频显著度检测算法 | 第27-36页 |
| 3.1 算法的主要框架 | 第27-28页 |
| 3.2 自底向上的显著度检测 | 第28-35页 |
| 3.2.1 基于图流形排序的静态显著度检测 | 第28-30页 |
| 3.2.2 基于浓密光流分析的动态显著度检测 | 第30-34页 |
| 3.2.3 静态与动态显著度图的融合 | 第34-35页 |
| 3.3 自顶向下的显著度检测 | 第35-36页 |
| 4 实验与结果分析 | 第36-47页 |
| 4.1 数据库介绍 | 第36-37页 |
| 4.2 算法的参数设置 | 第37-38页 |
| 4.3 算法的有效性 | 第38-42页 |
| 4.3.1 静态显著度检测的有效性 | 第38-39页 |
| 4.3.2 动态显著度检测的有效性 | 第39-40页 |
| 4.3.3 动态与静态显著度图融合机制的有效性 | 第40-42页 |
| 4.3.4 自顶向下模型的有效性 | 第42页 |
| 4.4 视频显著度检测的评测算法 | 第42-45页 |
| 4.4.1 改进的NSS | 第43-44页 |
| 4.4.2 显著区域重叠率 | 第44-45页 |
| 4.5 失败的例子和改进的方向 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
