| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1. 引言 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 课题意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 注意机制的研究现状 | 第11-13页 |
| 1.3.2 图像分割现状 | 第13-14页 |
| 1.4 论文主要研究内容 | 第14-15页 |
| 1.5 论文框架结构 | 第15-16页 |
| 2. 前期工作 | 第16-28页 |
| 2.1 人类视觉注意机制研究 | 第16-24页 |
| 2.1.1 初级视觉特征提取 | 第17-20页 |
| 2.1.2 多特征图整合 | 第20-23页 |
| 2.1.3 注意焦点的转移机制 | 第23-24页 |
| 2.2 图像分割研究 | 第24-27页 |
| 2.2.1 区域生长算法 | 第24-26页 |
| 2.2.2 区域分裂合并算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3. 基于频域和颜色的显著性算法 | 第28-40页 |
| 3.1 图像稀疏的显著特性 | 第28-31页 |
| 3.1.1 离散余弦(Inverse Discrete Cosine Transform)变换 | 第28-30页 |
| 3.1.2 利用稀疏性的signature算法 | 第30-31页 |
| 3.2 基于频域和颜色(Sparse-color)的显著性算法 | 第31-33页 |
| 3.3 Sparse-color(SC)算法实验 | 第33-39页 |
| 3.3.1 实验数据集 | 第33页 |
| 3.3.2 显著图的评价算法 | 第33-34页 |
| 3.3.3 实验结果 | 第34-38页 |
| 3.3.4 实验分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4. 结合注意机制和自动区域合并图像分割算法 | 第40-51页 |
| 4.1 Mean shift的图像分割 | 第40-43页 |
| 4.1.1 基本的Mean Shift | 第40-41页 |
| 4.1.2 扩展的Mean Shift | 第41-42页 |
| 4.1.3 Mean shift算法 | 第42-43页 |
| 4.2 交互式最大相似度区域合并技术 | 第43-44页 |
| 4.3 Saliency-seg(SS)图像分割算法 | 第44-45页 |
| 4.4 Saliency-seg图像分割的结果 | 第45-49页 |
| 4.5 本章小结 | 第49-51页 |
| 5. 算法评价系统及实验结果分析 | 第51-57页 |
| 5.1 开发与实验环境 | 第51页 |
| 5.2 系统模块设计要求 | 第51页 |
| 5.3 介绍流程设计 | 第51-52页 |
| 5.4 系统实现和分析 | 第52-55页 |
| 5.5 本章小结 | 第55-57页 |
| 6. 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64页 |
