基于多特征融合与低秩表示的显著性检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 论文组织与结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关理论与方法 | 第17-24页 |
| 2.1 朴素贝叶斯模型 | 第17-18页 |
| 2.2 矩阵低秩稀疏分解理论 | 第18-19页 |
| 2.3 矩阵低秩稀疏分解的求解算法 | 第19-23页 |
| 2.3.1 迭代阈值算法 | 第19-21页 |
| 2.3.2 增广拉格朗日乘子法 | 第21-23页 |
| 2.3.3 交替方向乘子法 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于多特征融合的显著性检测 | 第24-39页 |
| 3.1 葛立恒扫描算法 | 第24-25页 |
| 3.2 显著性检测模型 | 第25-33页 |
| 3.2.1 显著性特征定义 | 第26-29页 |
| 3.2.2 Mean Shift聚类 | 第29-32页 |
| 3.2.3 模型建立 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-38页 |
| 3.3.1 数据集 | 第33-34页 |
| 3.3.2 实验结果与分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于矩阵低秩稀疏分解的显著性检测 | 第39-62页 |
| 4.1 谱聚类算法 | 第39-41页 |
| 4.2 显著性检测模型 | 第41-48页 |
| 4.2.1 模型建立 | 第41-42页 |
| 4.2.2 模型分析 | 第42-45页 |
| 4.2.3 模型求解 | 第45-48页 |
| 4.3 实验结果与分析 | 第48-60页 |
| 4.3.1 数据集 | 第48-50页 |
| 4.3.2 评价指标 | 第50-52页 |
| 4.3.3 实验结果与分析 | 第52-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间公开发表论文 | 第68-69页 |
| 致谢 | 第69页 |
