图像视觉显著性检测方法及应用的研究
| 摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文研究内容和章节安排 | 第13-16页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-16页 |
| 第二章 相关理论基础 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 视觉的显著性理论 | 第16-19页 |
| 2.2.1 人类视觉系统 | 第16-17页 |
| 2.2.2 视觉显著性 | 第17-18页 |
| 2.2.3 显著性检测模型 | 第18-19页 |
| 2.3 显著性特征提取 | 第19-23页 |
| 2.3.1 纹理特征 | 第19页 |
| 2.3.2 形状特征 | 第19-20页 |
| 2.3.3 RGB颜色特征 | 第20-21页 |
| 2.3.4 CIELab颜色特征 | 第21-22页 |
| 2.3.5 灰度特征 | 第22-23页 |
| 2.4 显著性检测算法分类 | 第23-24页 |
| 2.5 经典的显著性检测算法 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于综合对比度的显著性检测算法 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 基于局部对比度的AC算法 | 第27-29页 |
| 3.3 基于全局对比度的HC算法 | 第29-31页 |
| 3.4 空间区域加权 | 第31-32页 |
| 3.4.1 视觉的空间特性 | 第31页 |
| 3.4.2 视觉的空间特征计算 | 第31-32页 |
| 3.5 区域优化 | 第32-33页 |
| 3.6 结合空间加权和区域优化的检测算法 | 第33-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 基于深度图的显著性检测算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 FT算法 | 第37-39页 |
| 4.2.1 FT算法的任务要求 | 第37-38页 |
| 4.2.2 DoG带通滤波器 | 第38-39页 |
| 4.2.3 显著性计算 | 第39页 |
| 4.3 图像的深度估计 | 第39-44页 |
| 4.3.1 SLIC算法 | 第40-41页 |
| 4.3.2 深度特征 | 第41-43页 |
| 4.3.3 马尔科夫随机场模型 | 第43-44页 |
| 4.4 结合深度图的显著性检测算法 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 显著性检测在图像增强上的应用 | 第47-52页 |
| 5.1 引言 | 第47页 |
| 5.2 检测图像显著性 | 第47-48页 |
| 5.3 提取待增强区域 | 第48-49页 |
| 5.4 图像增强 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
