| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-15页 |
| 1.2.1 静止图像显著性检测算法 | 第12-14页 |
| 1.2.2 视频显著性检测算法 | 第14-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 课题相关技术及基础 | 第17-34页 |
| 2.1 人体视觉系统(HVS) | 第17-18页 |
| 2.2 视觉显著性 | 第18-20页 |
| 2.3 图像显著性特征 | 第20-21页 |
| 2.3.1 纹理特征 | 第20-21页 |
| 2.3.2 局部特征 | 第21页 |
| 2.3.3 运动特征 | 第21页 |
| 2.4 图像相关技术 | 第21-28页 |
| 2.4.1 边缘检测 | 第22-25页 |
| 2.4.2 图像缩放 | 第25-27页 |
| 2.4.3 图像金字塔结构 | 第27-28页 |
| 2.5 视频运动检测 | 第28-31页 |
| 2.5.1 差分图像法 | 第28-29页 |
| 2.5.2 光流法 | 第29-31页 |
| 2.6 显著性检测算法准确性测试方法 | 第31-33页 |
| 2.6.1 相关系数法 | 第31-32页 |
| 2.6.2 ROC曲线法 | 第32页 |
| 2.6.3 加权F值法 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 3 基于运动和空间方向的视频显著性检测算法 | 第34-49页 |
| 3.1 算法总体框架 | 第34-35页 |
| 3.2 边缘检测与运动检测 | 第35-37页 |
| 3.2.1 Sobel边缘检测和Canny边缘检测结果图的处理 | 第35-37页 |
| 3.2.2 运动矢量图的处理 | 第37页 |
| 3.3 背景纹理复杂区域与显著运动物体区域的特征差异 | 第37-41页 |
| 3.4 显著性检测 | 第41-45页 |
| 3.4.1 构建三维结构张量矩阵进行显著性检测 | 第41-43页 |
| 3.4.2 显著图后处理 | 第43-45页 |
| 3.5 基于多尺度的显著图 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 算法性能优化及准确性测试 | 第49-66页 |
| 4.1 对比算法介绍 | 第49-52页 |
| 4.1.1 基于谱残差的显著性检测算法(SR) | 第49-50页 |
| 4.1.2 基于局部颜色直方图对比的显著性检测算法(RC) | 第50-51页 |
| 4.1.3 混合高斯模型(GMM) | 第51-52页 |
| 4.2 测试数据介绍 | 第52-54页 |
| 4.3 算法性能对比 | 第54-55页 |
| 4.4 算法性能优化 | 第55-61页 |
| 4.4.1 对构建三维结构张量模块的改进 | 第56-59页 |
| 4.4.2 并行化设计 | 第59-61页 |
| 4.4.3 优化后性能测试 | 第61页 |
| 4.5 算法准确性测试及分析 | 第61-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 作者简介 | 第73页 |
