| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-17页 |
| 1.1.1 视觉显著性检测 | 第13-14页 |
| 1.1.2 显著性检测的应用 | 第14页 |
| 1.1.3 显著性检测模型的分类 | 第14-16页 |
| 1.1.4 立体显著性检测 | 第16-17页 |
| 1.2 研究内容 | 第17-18页 |
| 1.2.1 深度信息 | 第17页 |
| 1.2.2 立体视觉特性在显著性检测中的应用 | 第17-18页 |
| 1.2.3 各种人眼视觉特性之间的关系 | 第18页 |
| 1.3 研究的主要贡献 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 立体视觉显著性检测及相关技术概述 | 第21-32页 |
| 2.1 3D显著性检测概述 | 第21-25页 |
| 2.1.1 3D显著性模型的由来和发展 | 第21-23页 |
| 2.1.2 3D显著性检测模型的分类 | 第23-25页 |
| 2.1.3 3D显著性模型的最新进展 | 第25页 |
| 2.2 本文使用到的图像处理算法 | 第25-29页 |
| 2.2.1 SLIC和多尺度融合技术 | 第25-27页 |
| 2.2.2 贝叶斯融合 | 第27-29页 |
| 2.2.3 中心偏向 | 第29页 |
| 2.3 本文使用的数据库和客观评价标准 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于深度信息的立体图像显著性检测模型 | 第32-48页 |
| 3.1 引言 | 第32-33页 |
| 3.2 一种基于深度信息的立体图像显著性检测模型 | 第33-40页 |
| 3.2.1 局部-全局显著性检测 | 第34-35页 |
| 3.2.2 环绕增强 | 第35-38页 |
| 3.2.3 立体图像中心增强 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-47页 |
| 3.3.1 实验准备 | 第40-41页 |
| 3.3.2 对比实验 | 第41-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于立体对比度和立体聚焦的立体显著性检测模型 | 第48-71页 |
| 4.1 引言 | 第48-51页 |
| 4.2 研究方法 | 第51-53页 |
| 4.3 基于立体对比度和立体聚焦的立体显著性检测模型 | 第53-62页 |
| 4.3.1 预处理 | 第54页 |
| 4.3.2 立体对比度模型 | 第54-57页 |
| 4.3.3 立体聚焦模型 | 第57-59页 |
| 4.3.4 显著性增强 | 第59-61页 |
| 4.3.5 贝叶斯融合 | 第61-62页 |
| 4.4 实验结果与分析 | 第62-70页 |
| 4.4.1 实验准备 | 第62-64页 |
| 4.4.2 所提出模型的逐步结果 | 第64-66页 |
| 4.4.3 与其它模型的对比实验 | 第66-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 基于内容和视觉特性的立体显著性检测模型 | 第71-95页 |
| 5.1 引言 | 第71-72页 |
| 5.2 相关工作 | 第72-75页 |
| 5.3 基于内容和视觉特性的立体显著性检测模型 | 第75-87页 |
| 5.3.1 PE-CZ-BE视觉特性 | 第75-76页 |
| 5.3.2 基于PE-CZ-BE视觉特性的显著性模型 | 第76-78页 |
| 5.3.3 控制函数 | 第78-79页 |
| 5.3.4 选择策略 | 第79-80页 |
| 5.3.5 基于多特征分析的实现框架 | 第80-87页 |
| 5.4 实验结果与分析 | 第87-93页 |
| 5.4.1 实验准备 | 第87-89页 |
| 5.4.2 所提出模型的分步比较结果 | 第89-90页 |
| 5.4.3 与其它模型的对比实验 | 第90-93页 |
| 5.5 本章小结 | 第93-95页 |
| 第六章 结论与展望 | 第95-97页 |
| 6.1 结论 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 附录:缩略语汇表 | 第97-98页 |
| 参考文献 | 第98-109页 |
| 作者在攻读博士学位期间公开发表的论文 | 第109-111页 |
| 作者在攻读博士学位期间参与的项目 | 第111-112页 |
| 致谢 | 第112页 |
