贝叶斯框架下的图像显著性检测

摘要	第1-5页
Abstract	第5-7页
1 绪论	第7-12页
·背景知识和研究意义	第7-11页
·论文章节安排	第11-12页
2 研究现状和本文的主要工作	第12-16页
·研究现状	第12-14页
·技术难点和本文的主要工作	第14-16页
3 贝叶斯显著性检测	第16-32页
·本文的主要框架	第16-17页
·检测大致的显著区域	第17-20页
·兴趣点检测技术	第17-19页
·计算凸包得到大致的显著区域	第19-20页
·第一种概率图的计算	第20-24页
·SLIC超像素	第21-22页
·计算先验显著性概率	第22-24页
·第二种概率图的计算	第24-30页
·稀疏子空间聚类(SSC)	第24-26页
·拉普拉斯稀疏子空间聚类(LSSC)	第26-30页
·显著性观测似然概率的计算	第30-32页
4 实验与结果	第32-46页
·验证LSSC算法有效性	第32-36页
·验证两种概率图的有效性	第36-38页
·比较本文得到的显著性图的效果	第38-41页
·把显著性图用于图像分割	第41-44页
·失败的例子	第44-46页
结论	第46-48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