| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景目的与意义 | 第10-11页 |
| 1.3 相关领域国内外研究现状 | 第11-17页 |
| 1.3.1 视觉注意模型国内外研究现状 | 第11-14页 |
| 1.3.2 启发式搜索优化的阈值分割技术国内外研究现状 | 第14-16页 |
| 1.3.3 显著性检测技术国内外研究现状 | 第16-17页 |
| 1.4 研究内容及组织结构 | 第17-21页 |
| 1.4.1 主要研究内容 | 第17-19页 |
| 1.4.2 论文结构安排 | 第19-21页 |
| 第2章 基于改进MCS布谷鸟算法的阈值分割 | 第21-34页 |
| 2.1 Otsu阈值分割 | 第21-23页 |
| 2.1.1 阈值选取原理 | 第21-22页 |
| 2.1.2 Otsu阈值分割 | 第22-23页 |
| 2.2 基本MCS布谷鸟算法 | 第23-25页 |
| 2.3 基于改进MCS算法的Otsu阈值分割 | 第25-29页 |
| 2.3.1 动态步长控制因子 | 第25-26页 |
| 2.3.2 惯性权重因子 | 第26-27页 |
| 2.3.3 引入改进策略的搜索机制 | 第27页 |
| 2.3.4 算法流程及步骤 | 第27-29页 |
| 2.4 实验结果及分析 | 第29-33页 |
| 2.4.1 实验参数设置 | 第30-31页 |
| 2.4.2 结果与分析 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于CovSal的多尺度局部-区域显著目标检测 | 第34-50页 |
| 3.1 显著性检测模型 | 第34-37页 |
| 3.1.1 模型结构与特点 | 第34-35页 |
| 3.1.2 图像特征空间 | 第35-37页 |
| 3.2 基本CovSal显著性检测 | 第37-40页 |
| 3.3 改进的CovSal显著性检测 | 第40-45页 |
| 3.3.1 模型构建 | 第40-41页 |
| 3.3.2 局部显著性检测 | 第41-42页 |
| 3.3.3 区域显著性检测 | 第42-43页 |
| 3.3.4 多尺度局部-区域显著性检测 | 第43-44页 |
| 3.3.5 算法流程结构 | 第44-45页 |
| 3.4 实验结果及分析 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于MSCS分割融合的显著目标提取 | 第50-62页 |
| 4.1 显著目标提取方案设计 | 第50-52页 |
| 4.1.1 现有融合性显著分割特点 | 第50-51页 |
| 4.1.2 分割融合方案设计 | 第51-52页 |
| 4.2 显著性分割评估指标 | 第52-53页 |
| 4.2.1 混淆矩阵 | 第52-53页 |
| 4.2.2 F-measure指标 | 第53页 |
| 4.3 实验结果及分析 | 第53-61页 |
| 4.3.1 数据来源及实验设计 | 第53-54页 |
| 4.3.2 结果与分析 | 第54-61页 |
| 4.4 本章小结 | 第61-62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 未来工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |