| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景和意义 | 第13-14页 |
| ·理论基础 | 第14-15页 |
| ·国内外研究现状和发展方向 | 第15-17页 |
| ·本文的主要研究内容 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 第二章 相关工作 | 第19-43页 |
| ·视觉显著性检测模型 | 第19-24页 |
| ·Itti模型 | 第20-21页 |
| ·其他改进模型 | 第21-24页 |
| ·显著性物体检测模型 | 第24-33页 |
| ·基于对比的显著性物体检测模型基础 | 第25-27页 |
| ·基于对比的显著性物体检测模型发展 | 第27-30页 |
| ·基于扩散的显著性物体检测模型 | 第30-33页 |
| ·视觉显著性检测模型与显著性物体检测模型的关系 | 第33-43页 |
| ·主要组成 | 第33-37页 |
| ·显著性特征 | 第37-38页 |
| ·评价数据库及评价方法 | 第38-41页 |
| ·性能比较 | 第41-43页 |
| 第三章 通用的显著性物体检测模型 | 第43-70页 |
| ·一种结合独特度、聚焦度、物体度的显著性区域检测模型 | 第43-53页 |
| ·背景 | 第43-44页 |
| ·相关工作 | 第44页 |
| ·UFO显著性区域检测模型 | 第44-51页 |
| ·实验 | 第51-52页 |
| ·结论 | 第52-53页 |
| ·一种通用的提高基于扩散的显著性物体检测模型的方法 | 第53-70页 |
| ·背景 | 第53-54页 |
| ·扩散方法 | 第54-57页 |
| ·合成扩散矩阵 | 第57-60页 |
| ·构建种子向量 | 第60-62页 |
| ·组合 | 第62页 |
| ·实验和分析 | 第62-69页 |
| ·结论与展望 | 第69-70页 |
| 第四章 特定的显著性物体检测模型 | 第70-78页 |
| ·基于学习的乳腺超声图像中肿瘤的自动检测和分割算法 | 第70-78页 |
| ·背景 | 第70-71页 |
| ·算法 | 第71-75页 |
| ·算法流程与实验 | 第75-78页 |
| 第五章 总结与展望 | 第78-81页 |
| ·总结 | 第78-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-90页 |
| 致谢 | 第90-91页 |
| 攻读博士学位期间发表的学术论文、参与的科研项目及获奖情况 | 第91-93页 |
| 发表的学术论文 | 第91页 |
| 参与的科研项目及获奖情况 | 第91-93页 |
| 外文论文 | 第93-137页 |
| 学位论文评阅及答辩情况表 | 第137页 |
