图像显著性的研究及应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景及意义 | 第9-11页 |
| 1.3 图像显著性分析的理论基础 | 第11-13页 |
| 1.4 本文主要内容 | 第13页 |
| 1.5 章节安排 | 第13-14页 |
| 第2章 典型的显著图检测算法分析 | 第14-30页 |
| 2.1 经典的显著图检测算法 | 第14-27页 |
| 2.1.1 IT方法 | 第14-18页 |
| 2.1.2 GBVS方法 | 第18-19页 |
| 2.1.3 AC方法 | 第19-20页 |
| 2.1.4 SR方法 | 第20-21页 |
| 2.1.5 FT方法 | 第21-22页 |
| 2.1.6 HC方法 | 第22-24页 |
| 2.1.7 RC方法 | 第24-27页 |
| 2.2 实验对比与分析 | 第27-29页 |
| 2.2.1 评价指标 | 第27-28页 |
| 2.2.2 实验结果与分析 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于超像素分割的显著图检测算法 | 第30-44页 |
| 3.1 超像素分割 | 第32-34页 |
| 3.2 颜色特征提取 | 第34-37页 |
| 3.3 纹理特征提取 | 第37-41页 |
| 3.4 显著图生成 | 第41-42页 |
| 3.5 实验结果与分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 图像显著性的应用 | 第44-55页 |
| 4.1 SBRC应用于图像分割 | 第44-49页 |
| 4.1.1 固定阈值分割 | 第44-46页 |
| 4.1.2 动态阈值分割 | 第46-49页 |
| 4.2 SBRC应用于图像分类 | 第49-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 总结和展望 | 第55-57页 |
| 5.1 工作总结及创新点 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
