| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究的背景与意义 | 第12-15页 |
| 1.1.1 图像显著性检测 | 第12-13页 |
| 1.1.2 三维信息与图像显著性 | 第13-15页 |
| 1.2 国内外研究动态与现状 | 第15-19页 |
| 1.2.1 RGB图像显著性检测研究动态 | 第16-18页 |
| 1.2.2 RGB-D图像显著性检测研究动态 | 第18-19页 |
| 1.3 论文主要内容与组织结构 | 第19-21页 |
| 第二章 显著性检测基本原理与评价方法 | 第21-30页 |
| 2.1 显著性检测常用特征 | 第21-23页 |
| 2.1.1 颜色特征 | 第21-22页 |
| 2.1.2 纹理特征 | 第22页 |
| 2.1.3 深度特征 | 第22-23页 |
| 2.1.4 表面法向特征 | 第23页 |
| 2.2 显著性先验 | 第23-27页 |
| 2.2.1 对比先验 | 第23-24页 |
| 2.2.2 稀疏先验 | 第24-25页 |
| 2.2.3 中心先验 | 第25页 |
| 2.2.4 背景先验 | 第25-27页 |
| 2.2.5 深度先验 | 第27页 |
| 2.3 评价方法 | 第27-30页 |
| 2.3.1 精确率—召回率 | 第28-29页 |
| 2.3.2 F-Measure | 第29页 |
| 2.3.3 ROC曲线 | 第29-30页 |
| 第三章 基于3D全局先验的显著性目标检测算法研究 | 第30-50页 |
| 3.1 引言 | 第30页 |
| 3.2 算法框架 | 第30-31页 |
| 3.3 3D全局先验提取与融合 | 第31-40页 |
| 3.3.1 区域对比显著值 | 第31-33页 |
| 3.3.2 2D背景先验 | 第33-36页 |
| 3.3.3 归一化深度先验 | 第36-37页 |
| 3.3.4 表面法向先验 | 第37-39页 |
| 3.3.5 融合先验的显著图生成 | 第39-40页 |
| 3.4 显著区域采样与恢复 | 第40-44页 |
| 3.4.1 显著区域采样 | 第41-43页 |
| 3.4.2 基于马尔科夫随机场的显著图恢复 | 第43-44页 |
| 3.5 实验与分析 | 第44-49页 |
| 3.5.1 实验设计 | 第44-45页 |
| 3.5.2 基于NLPR RGB-D数据集的实验比较 | 第45-48页 |
| 3.5.3 基于NJU-DS400数据集的实验比较 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于超图模型的显著传播算法研究 | 第50-69页 |
| 4.1 引言 | 第50-51页 |
| 4.2 超图介绍 | 第51-52页 |
| 4.3 基于深度信息的背景先验 | 第52-55页 |
| 4.4 超图构建与超边展开 | 第55-58页 |
| 4.5 基于元胞自动机的显著度更新算法 | 第58-61页 |
| 4.6 显著图融合 | 第61-65页 |
| 4.7 实验与分析 | 第65-67页 |
| 4.7.1 基于NLPR RGB-D数据集的实验比较 | 第65-66页 |
| 4.7.2 基于NJU-DS400数据集的实验比较 | 第66页 |
| 4.7.3 实验分析 | 第66-67页 |
| 4.8 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 在学期间所取得的科研成果 | 第76页 |
