| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 本文主要工作 | 第11-12页 |
| 1.3 本文章节安排 | 第12-13页 |
| 第二章 相关工作 | 第13-28页 |
| 2.1 引言 | 第13页 |
| 2.2 人类视觉注意机制 | 第13-14页 |
| 2.2.1 自底向上的视觉注意机制 | 第13-14页 |
| 2.2.2 自顶向下的视觉注意机制 | 第14页 |
| 2.3 显著特征描述 | 第14-16页 |
| 2.3.1 颜色特征 | 第14-15页 |
| 2.3.2 强度特征 | 第15页 |
| 2.3.3 纹理特征 | 第15-16页 |
| 2.4 显著性检测方法介绍 | 第16-23页 |
| 2.4.1 IT模型 | 第17页 |
| 2.4.2 GB模型 | 第17-18页 |
| 2.4.3 SR模型 | 第18-19页 |
| 2.4.4 LC模型 | 第19页 |
| 2.4.5 FT模型 | 第19-20页 |
| 2.4.6 CA模型 | 第20-21页 |
| 2.4.7 RC模型 | 第21页 |
| 2.4.8 SF模型 | 第21-22页 |
| 2.4.9 MDF模型 | 第22-23页 |
| 2.5 超像素分割 | 第23-24页 |
| 2.6 马赛克生成方法的研究现状 | 第24-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 融合双特征图信息的图像显著性检测方法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 预备知识 | 第28-30页 |
| 3.2.1 平滑滤波 | 第28页 |
| 3.2.2 K-Means聚类算法 | 第28-29页 |
| 3.2.3 SLIC超像素分割 | 第29-30页 |
| 3.3 颜色对比度计算 | 第30-32页 |
| 3.4 颜色空间分布的计算 | 第32-35页 |
| 3.4.1 初步颜色空间分布 | 第32-33页 |
| 3.4.2 颜色分布优化 | 第33-35页 |
| 3.5 显著图的融合 | 第35页 |
| 3.6 实验与分析 | 第35-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 显著性驱动的图像重要区域马赛克自动生成方法 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 Voronoi图 | 第41-42页 |
| 4.3 重心Voronoi图 | 第42-43页 |
| 4.4 基于边界加权重心Voronoi图结构的马赛克生成方法 | 第43-47页 |
| 4.5 显著性驱动的图像重要区域马赛克自动生成方法 | 第47-50页 |
| 4.6 实验与分析 | 第50-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 未来展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62-63页 |
| 中文详细摘要 | 第63-64页 |
