| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 自然图像的视觉显著性 | 第13-14页 |
| 1.2.2 视觉显著性可视化方法 | 第14-15页 |
| 1.2.3 图像描述中的视觉显著性 | 第15页 |
| 1.3 研究思路与研究内容 | 第15-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 相关工作 | 第19-29页 |
| 2.1 自然图像的视觉显著性检测 | 第19-24页 |
| 2.1.1 视觉显著性检测算法 | 第19-22页 |
| 2.1.2 场景结构分析 | 第22-24页 |
| 2.2 视觉显著性数据的三维可视化分析 | 第24-26页 |
| 2.2.1 人眼跟踪数据研究 | 第24-25页 |
| 2.2.2 人眼跟踪数据可视化 | 第25-26页 |
| 2.2.3 视觉显著性数据分析 | 第26页 |
| 2.3 视觉显著性与图像描述的相关性分析 | 第26-28页 |
| 2.3.1 图像描述生成 | 第26-27页 |
| 2.3.2 图像语义重点 | 第27-28页 |
| 2.4 讨论与总结 | 第28-29页 |
| 第3章 自然场景图像的视觉显著性检测 | 第29-49页 |
| 3.1 简介 | 第29-31页 |
| 3.2 数据集构建 | 第31-32页 |
| 3.3 实验数据的观察结论 | 第32-35页 |
| 3.4 显著性检测计算模型 | 第35-40页 |
| 3.4.1 场景结构特征的计算 | 第36-37页 |
| 3.4.2 多尺度低层特征计算 | 第37-39页 |
| 3.4.3 利用多核学习进行视觉显著性模型设计 | 第39-40页 |
| 3.5 实验结果 | 第40-48页 |
| 3.5.1 实验布置 | 第41页 |
| 3.5.2 评估标准 | 第41-42页 |
| 3.5.3 结果对比 | 第42-45页 |
| 3.5.4 针对现有模型的改进 | 第45-48页 |
| 3.6 讨论与总结 | 第48-49页 |
| 第4章 视觉显著性数据的三维可视化 | 第49-67页 |
| 4.1 简介 | 第49-51页 |
| 4.2 系统概览 | 第51-53页 |
| 4.2.1 可视化系统界面 | 第51-53页 |
| 4.2.2 实验数据 | 第53页 |
| 4.3 视觉显著性数据可视化 | 第53-55页 |
| 4.3.1 热力图 | 第54页 |
| 4.3.2 感兴趣区域 | 第54-55页 |
| 4.3.3 Space Time Cube可视化方法 | 第55页 |
| 4.4 数据分析 | 第55-59页 |
| 4.4.1 视觉显著性模型 | 第55-56页 |
| 4.4.2 显著图预处理 | 第56页 |
| 4.4.3 差异热力图 | 第56-57页 |
| 4.4.4 视觉关注点聚类分析 | 第57-59页 |
| 4.5 案例分析 | 第59-66页 |
| 4.5.1 因素调研 | 第59-62页 |
| 4.5.2 观察结论 | 第62-64页 |
| 4.5.3 用户反馈 | 第64-66页 |
| 4.6 讨论与总结 | 第66-67页 |
| 第5章 视觉显著性与图像描述的相关性分析 | 第67-85页 |
| 5.1 简介 | 第67-69页 |
| 5.2 数据集与方法概览 | 第69-70页 |
| 5.2.1 数据集 | 第69-70页 |
| 5.2.2 研究方法概述 | 第70页 |
| 5.3 视觉显著图与描述显著图计算 | 第70-74页 |
| 5.3.1 视觉显著图的计算 | 第70页 |
| 5.3.2 描述显著图的计算 | 第70-74页 |
| 5.4 统计分析与探索 | 第74-79页 |
| 5.4.1 数据组成 | 第74-75页 |
| 5.4.2 低层级特征相关性分析 | 第75-77页 |
| 5.4.3 语义层级特征相关性分析 | 第77-79页 |
| 5.5 建模与预测 | 第79-84页 |
| 5.5.1 计算模型 | 第79页 |
| 5.5.2 实验结果与讨论 | 第79-84页 |
| 5.6 总结与讨论 | 第84-85页 |
| 第6章 总结和展望 | 第85-88页 |
| 6.1 本文工作总结 | 第85-86页 |
| 6.2 未来工作展望 | 第86-88页 |
| 参考文献 | 第88-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间参加的科研项目和成果 | 第97-98页 |