| 摘要 | 第6-9页 |
| Abstract | 第9-12页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 课题研究背景及意义 | 第17-18页 |
| 1.2 视觉显著性检测发展现状 | 第18-22页 |
| 1.2.1 图像显著性检测发展现状 | 第19-20页 |
| 1.2.2 视频显著性检测发展现状 | 第20-22页 |
| 1.3 研究内容和论文结构 | 第22-25页 |
| 1.3.1 主要研究成果 | 第22-23页 |
| 1.3.2 论文结构安排 | 第23-25页 |
| 第二章 视觉显著性检测研究概述 | 第25-38页 |
| 2.1 图像显著性检测模型概述 | 第25-31页 |
| 2.1.1 基于中央-周围差异的显著性检测模型 | 第25-27页 |
| 2.1.2 基于边界先验的显著性检测模型 | 第27-28页 |
| 2.1.3 基于机器学习的显著性检测模型 | 第28-30页 |
| 2.1.4 基于深度学习的显著性检测模型 | 第30-31页 |
| 2.2 视频显著性检测模型概述 | 第31-36页 |
| 2.2.1 基于中央-周围差异的显著性检测模型 | 第32页 |
| 2.2.2 基于信息论/控制论/频域分析的显著性检测模型 | 第32-33页 |
| 2.2.3 基于区域分割的显著性检测 | 第33-35页 |
| 2.2.4 基于机器学习的显著性检测模型 | 第35-36页 |
| 2.3 本章小结 | 第36-38页 |
| 第三章 基于多核Boosting与自适应融合的图像显著性检测性能提升模型 | 第38-47页 |
| 3.1 引言 | 第38-39页 |
| 3.2 模型详述 | 第39-43页 |
| 3.2.1 区域特征提取 | 第39-40页 |
| 3.2.2 基于支持向量回归的多核Boosting算法 | 第40-42页 |
| 3.2.3 自适应融合算法 | 第42-43页 |
| 3.3 实验结果及分析 | 第43-46页 |
| 3.3.1 数据集与参数设定 | 第43-44页 |
| 3.3.2 主观评价 | 第44-45页 |
| 3.3.3 客观评价 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于质量评价的显著性图自适应融合模型 | 第47-63页 |
| 4.1 引言 | 第47-48页 |
| 4.2 模型详述 | 第48-55页 |
| 4.2.1 显著性图质量特征 | 第49-51页 |
| 4.2.2 显著性图质量评价 | 第51-53页 |
| 4.2.3 基于幂律变换的线性融合 | 第53-54页 |
| 4.2.4 基于图割算法的细化 | 第54-55页 |
| 4.3 实验结果及分析 | 第55-61页 |
| 4.3.1 实验设置 | 第55-56页 |
| 4.3.2 主观评价 | 第56-59页 |
| 4.3.3 客观评价 | 第59-61页 |
| 4.3.4 运行时间 | 第61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 基于集成式预测与时空域传播的视频显著性检测模型 | 第63-79页 |
| 5.1 引言 | 第63-64页 |
| 5.2 模型详述 | 第64-73页 |
| 5.2.1 特征提取 | 第65-66页 |
| 5.2.2 显著性预测 | 第66-68页 |
| 5.2.3 时域传播 | 第68-71页 |
| 5.2.4 空域传播 | 第71-72页 |
| 5.2.5 整体流程 | 第72-73页 |
| 5.3 实验结果及分析 | 第73-78页 |
| 5.3.1 实验设置 | 第74-75页 |
| 5.3.2 主观评价 | 第75-77页 |
| 5.3.3 客观评价 | 第77-78页 |
| 5.3.4 运行时间 | 第78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 基于局域估计与时空域细化的视频显著性检测性能提升模型 | 第79-95页 |
| 6.1 引言 | 第79-80页 |
| 6.2 模型详述 | 第80-86页 |
| 6.2.1 特征提取 | 第80-81页 |
| 6.2.2 局域估计 | 第81-83页 |
| 6.2.3 时空域细化 | 第83-86页 |
| 6.3 实验结果及分析 | 第86-94页 |
| 6.3.1 数据集与参数设置 | 第86-88页 |
| 6.3.2 性能评价 | 第88-91页 |
| 6.3.3 模型分析 | 第91-93页 |
| 6.3.4 运行时间 | 第93-94页 |
| 6.4 本章小结 | 第94-95页 |
| 第七章 基于深度卷积网络的视频显著性检测模型 | 第95-103页 |
| 7.1 引言 | 第95-96页 |
| 7.2 模型详述 | 第96-98页 |
| 7.2.1 特征提取 | 第96-97页 |
| 7.2.2 特征集成 | 第97-98页 |
| 7.2.3 空域细化 | 第98页 |
| 7.3 实验结果及分析 | 第98-102页 |
| 7.3.1 数据集与参数设置 | 第99-101页 |
| 7.3.2 性能评价 | 第101页 |
| 7.3.3 运行时间 | 第101-102页 |
| 7.4 本章小结 | 第102-103页 |
| 第八章 总结与展望 | 第103-106页 |
| 8.1 总结 | 第103-104页 |
| 8.2 展望 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 作者在攻读博士学位期间完成的主要工作 | 第115-117页 |
| 致谢 | 第117-118页 |
