| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究框架 | 第11-12页 |
| 1.2.1 研究目的 | 第11页 |
| 1.2.2 研究内容 | 第11-12页 |
| 1.3 主要创新点 | 第12-15页 |
| 第二章 国内外研究现状 | 第15-35页 |
| 2.1 图像显著性物体检测 | 第15-17页 |
| 2.2 图像协同物体分割算法 | 第17-18页 |
| 2.3 图像区域特征 | 第18-25页 |
| 2.3.1 颜色直方图 | 第18-19页 |
| 2.3.2 基于滤波器的图像区域特征 | 第19-20页 |
| 2.3.3 基于分布统计的图像区域特征 | 第20-23页 |
| 2.3.4 区域协方差特征 | 第23-25页 |
| 2.4 低秩矩阵恢复 | 第25-30页 |
| 2.4.1 迭代阀值法 | 第26-27页 |
| 2.4.2 增广拉格朗日乘子法 | 第27-28页 |
| 2.4.3 加速梯度法 | 第28-30页 |
| 2.5 基于MRF能量方程的优化求解 | 第30-32页 |
| 2.6 视觉与语言模型 | 第32-35页 |
| 2.6.1 可视问答 | 第32页 |
| 2.6.2 可视问题构建 | 第32-33页 |
| 2.6.3 基于知识库的问答——KB-QA | 第33-35页 |
| 第三章 面向图像的超像素特征提取与描述算子 | 第35-49页 |
| 3.1 超像素特征描述——BoS模型构建 | 第36-41页 |
| 3.1.1 构建超像素金子塔 | 第37-38页 |
| 3.1.2 区域性最大正方形提取 | 第38-39页 |
| 3.1.3 正方形主方向提取 | 第39-40页 |
| 3.1.4 正方形区域的表示 | 第40页 |
| 3.1.5 显著正方形区域求解 | 第40-41页 |
| 3.2 超像素相似性度量——BoS模型的相似性度量 | 第41-42页 |
| 3.3 实验与评估 | 第42-45页 |
| 3.3.1 在基于超像素的交互式图像分割算法上的对比评测 | 第42-44页 |
| 3.3.2 在基于超像素的协同图像显著性检测算法上的对比评测·· | 第44-45页 |
| 3.4 本章小结 | 第45-49页 |
| 第四章 超像素级图像组协同关联性分析 | 第49-79页 |
| 4.1 超像素级图像组协同显著性检测 | 第50-57页 |
| 4.1.1 超像素特征提取 | 第51-52页 |
| 4.1.2 联合低秩矩阵分析 | 第52-55页 |
| 4.1.3 在线字典学习 | 第55-57页 |
| 4.2 图像组协同显著性检测算法性能比较与分析 | 第57-60页 |
| 4.2.1 显著性检测方法的评价标准 | 第57-58页 |
| 4.2.2 标准测试集 | 第58-59页 |
| 4.2.3 实验分析 | 第59-60页 |
| 4.3 超像素级图像组协同前景分割 | 第60-70页 |
| 4.3.1 协同分割问题的形式化描述 | 第63-64页 |
| 4.3.2 面向协同分割的超像素多模态特征统一度量模型 | 第64-69页 |
| 4.3.3 超像素多模态特征的构建与度量 | 第69-70页 |
| 4.4 图像组协同前景分割算法性能比较与分析 | 第70-71页 |
| 4.4.1 多模态特征的有效性 | 第70页 |
| 4.4.2 算法的可扩展性 | 第70-71页 |
| 4.5 本章小结 | 第71-79页 |
| 第五章 基于超像素显著性先验的具象可视问题构建模型 | 第79-99页 |
| 5.1 具象可视问题构建模型 | 第80-88页 |
| 5.1.1 基于超像素显著性先验的文本标注选择 | 第82-83页 |
| 5.1.2 问题类型采样 | 第83-84页 |
| 5.1.3 具象问题构建 | 第84-86页 |
| 5.1.4 模型训练 | 第86-88页 |
| 5.2 实验分析 | 第88-92页 |
| 5.2.1 数据集 | 第88-92页 |
| 5.2.2 性能基线 | 第92页 |
| 5.2.3 评价指标 | 第92页 |
| 5.3 结果与讨论 | 第92-94页 |
| 5.4 本章小结 | 第94-99页 |
| 结论 | 第99-101页 |
| 参考文献 | 第101-113页 |
| 发表论文和参加科研情况说明 | 第113-114页 |
| 致谢 | 第114-115页 |
