显著性区域检测算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-12页 |
| 1 引言 | 第12-18页 |
| ·论文的研究背景与意义 | 第12页 |
| ·国内外现状 | 第12-14页 |
| ·本文的研究工作 | 第14-15页 |
| ·论文的安排 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 2 显著性检测算法理论基础 | 第18-26页 |
| ·视觉注意机制 | 第18-19页 |
| ·图像底层特征 | 第19-21页 |
| ·颜色 | 第19页 |
| ·亮度 | 第19-20页 |
| ·纹理 | 第20-21页 |
| ·代表性显著区域检测模型 | 第21-23页 |
| ·IT模型 | 第21-22页 |
| ·SR模型 | 第22页 |
| ·SCSP模型 | 第22-23页 |
| ·显著性检测数据库集 | 第23-24页 |
| ·评价标准 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于时-频结合的显著性区域检测 | 第26-40页 |
| ·基于时-频结合的显著性区域检测流程图 | 第26页 |
| ·基于时域的显著性区域检测 | 第26-28页 |
| ·基于频域的显著性区域检测 | 第28-31页 |
| ·离散余弦变换 | 第28-30页 |
| ·SVD算法去除高频信息 | 第30-31页 |
| ·相位谱信息 | 第31页 |
| ·基于时-频结合的显著性区域检测(ITF) | 第31-32页 |
| ·实验结果和分析 | 第32-38页 |
| ·结论 | 第38-40页 |
| 4 基于集成词典学习的显著性区域检测 | 第40-54页 |
| ·符号说明 | 第40页 |
| ·词典学习的稀疏表示 | 第40-41页 |
| ·基于集成词典学习的显著性目标检测框架 | 第41-43页 |
| ·集成词典学习 | 第43-46页 |
| ·基于随机选取样本的词典学习 | 第43页 |
| ·集成词典学习的概率表示 | 第43页 |
| ·词典原子的约减 | 第43-46页 |
| ·显著图像的生成 | 第46-47页 |
| ·实验结果和分析 | 第47-52页 |
| ·实验准备工作 | 第47页 |
| ·实验结果和分析 | 第47-51页 |
| ·时间复杂度分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 5 基于空-时预测的视频显著目标检测 | 第54-62页 |
| ·基于空-时预测的视频显著目标检测框架 | 第54-55页 |
| ·静态显著图像 | 第55-56页 |
| ·块匹配运动估计 | 第56-58页 |
| ·动态显著图像 | 第58页 |
| ·基于空-时预测的视频显著目标检测 | 第58-59页 |
| ·实验结果和分析 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-72页 |
| 学位论文数据集 | 第72页 |
