显著性检测的优化模型及在图像压缩中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究现状和发展趋势 | 第14-18页 |
| 1.2.1 2D图像显著性检测模型 | 第15-17页 |
| 1.2.2 3D图像显著性检测模型 | 第17-18页 |
| 1.2.3 光场显著性检测模型 | 第18页 |
| 1.3 本文主要工作 | 第18-21页 |
| 第2章 显著性检测的基本知识 | 第21-26页 |
| 2.1 引言 | 第21页 |
| 2.2 显著性特征 | 第21-22页 |
| 2.2.1 颜色特征 | 第21-22页 |
| 2.2.2 深度特征 | 第22页 |
| 2.3 评价指标 | 第22-23页 |
| 2.4 数据库介绍 | 第23-26页 |
| 第3章 显著性检测的优化模型 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 优化模型介绍 | 第26-32页 |
| 3.2.1 预处理阶段 | 第27-30页 |
| 3.2.2 优化阶段 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-37页 |
| 3.3.1 模型不同阶段的性能分析 | 第32-33页 |
| 3.3.2 与同类工作的对比实验 | 第33-34页 |
| 3.3.3 进一步验证优化模型的有效性 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于显著性检测的图像压缩模型 | 第38-55页 |
| 4.1 引言 | 第38-40页 |
| 4.2 相关工作 | 第40-42页 |
| 4.3 相关基础知识 | 第42-44页 |
| 4.3.1 神经网络的发展 | 第42页 |
| 4.3.2 卷积神经网络 | 第42-43页 |
| 4.3.3 递归神经网络 | 第43-44页 |
| 4.4 图像压缩模型设计 | 第44-49页 |
| 4.4.1 网络结构 | 第45-48页 |
| 4.4.2 损失函数 | 第48页 |
| 4.4.3 显著性检测模块 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-53页 |
| 4.5.1 实验细节 | 第49-50页 |
| 4.5.2 评价指标 | 第50-51页 |
| 4.5.3 模型压缩性能的对比实验 | 第51-52页 |
| 4.5.4 显著性检测模块的影响 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 在读期间发表的学术论文与取得的研究成果 | 第64页 |
