| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-40页 |
| 1.1 课题背景及研究意义 | 第16-18页 |
| 1.2 2D视觉显著性检测方法研究现状 | 第18-20页 |
| 1.3 3D视觉显著性检测方法研究现状 | 第20-23页 |
| 1.3.1 基于立体视差图像视觉显著性检测方法研究现状 | 第20-21页 |
| 1.3.2 基于3D点云视觉显著性检测方法研究现状 | 第21-23页 |
| 1.4 基于RGB-D图像视觉显著性检测方法研究现状 | 第23-38页 |
| 1.4.1 RGB-D图像显著特征提取方法研究现状 | 第24-27页 |
| 1.4.2 RGB-D图像显著特征融合方法研究现状 | 第27-31页 |
| 1.4.3 RGB-D图像结合先验特征方法研究现状 | 第31-34页 |
| 1.4.4 RGB-D图像视觉显著性检测基准数据集及评价指标 | 第34-38页 |
| 1.5 课题来源及研究内容 | 第38-40页 |
| 1.5.1 课题来源 | 第38页 |
| 1.5.2 研究内容 | 第38-40页 |
| 第2章 基于深度学习的RGB-D图像语义类别显著特征提取 | 第40-58页 |
| 2.1 引言 | 第40页 |
| 2.2 视觉显著特征提取分析 | 第40-46页 |
| 2.2.1 视觉通路和视觉特征表示 | 第40-41页 |
| 2.2.2 深层卷积神经网络和语义类别特征 | 第41-43页 |
| 2.2.3 基于语义类别特征的RGB图像视觉显著性检测 | 第43-45页 |
| 2.2.4 语义类别特征的迁移学习 | 第45-46页 |
| 2.3 基于Clarifai网络提取RGB-D图像的语义类别显著特征 | 第46-52页 |
| 2.3.1 RGB-D图像超像素分割 | 第46-50页 |
| 2.3.2 基于Clarifai网络提取RGB图像的语义类别显著特征 | 第50-51页 |
| 2.3.3 基于Clarifai网络提取Depth图像的语义类别显著特征 | 第51-52页 |
| 2.4 RGB-D图像迁移监督学习与Depth图像微调训练对比实验 | 第52-54页 |
| 2.4.1 实验设置 | 第52-53页 |
| 2.4.2 实验结果与分析 | 第53-54页 |
| 2.5 深度学习的语义类别特征与人工设计的对比特征比较 | 第54-57页 |
| 2.5.1 实验设置 | 第54-55页 |
| 2.5.2 实验结果与分析 | 第55-57页 |
| 2.6 本章小结 | 第57-58页 |
| 第3章 基于贝叶斯框架的RGB-D图像语义类别显著特征融合 | 第58-88页 |
| 3.1 引言 | 第58-59页 |
| 3.2 视觉显著特征融合分析 | 第59-62页 |
| 3.2.1 语义类别显著特征融合的生物学机制 | 第59-60页 |
| 3.2.2 基于贝叶斯方法视觉显著性检测理论分析 | 第60-62页 |
| 3.3 RGB-D图像语义类别显著特征融合问题分析 | 第62-65页 |
| 3.3.1 3D语义视觉显著性情况分类 | 第62-64页 |
| 3.3.2 3D语义视觉显著性不同分类情况语义类别显著特征融合问题 | 第64-65页 |
| 3.4 RGB-D图像语义类别显著特征相关性分析 | 第65-69页 |
| 3.4.1 RGB-D图像语义类别显著特征条件独立分布度量 | 第65-67页 |
| 3.4.2 实验结果与分析 | 第67-69页 |
| 3.5 基于贝叶斯框架融合语义类别显著特征 | 第69-70页 |
| 3.6 基于贝叶斯框架融合语义类别显著特征实验分析 | 第70-87页 |
| 3.6.1 实验设置 | 第70页 |
| 3.6.2 参数设置 | 第70-71页 |
| 3.6.3 基于贝叶斯框架融合Depth图像语义类别显著特征实验分析 | 第71-81页 |
| 3.6.4 基于贝叶斯框架特征融合与线性及非线性特征融合比较 | 第81-87页 |
| 3.7 本章小结 | 第87-88页 |
| 第4章 结合语义类别先验分布的RGB-D图像视觉显著性估计 | 第88-110页 |
| 4.1 引言 | 第88页 |
| 4.2 基于生成模型的结合先验分布方法 | 第88-90页 |
| 4.3 RGB-D图像视觉显著性语义类别先验分布生成建模 | 第90-93页 |
| 4.3.1 RGB-D图像视觉显著性检测概率图模型 | 第90-91页 |
| 4.3.2 RGB-D图像视觉显著性检测生成过程 | 第91-93页 |
| 4.4 变分求解 | 第93-96页 |
| 4.4.1 变分下界 | 第93-94页 |
| 4.4.2 变分最大期望求解参数 | 第94-95页 |
| 4.4.3 基于变分推理的RGB-D图像视觉显著性估计 | 第95-96页 |
| 4.5 结合语义类别先验分布实验分析 | 第96-109页 |
| 4.5.1 参数分析 | 第96-99页 |
| 4.5.2 实验设置 | 第99-100页 |
| 4.5.3 结合语义类别先验分布与深度先验特征方法比较 | 第100-109页 |
| 4.6 本章小结 | 第109-110页 |
| 结论 | 第110-112页 |
| 参考文献 | 第112-126页 |
| 攻读博士学位期间发表的学术论文 | 第126-128页 |
| 致谢 | 第128页 |
