基于Adaboost集成学习和Sugeno模糊积分的显著性检测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景和意义 | 第6-8页 |
| 1.2 研究现状 | 第8-12页 |
| 1.3 本文的研究内容和章节安排 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 相关技术理论 | 第13-21页 |
| 2.1 四周-中心先验 | 第13-14页 |
| 2.2 聚类算法 | 第14-17页 |
| 2.3 KNN与Adaboost | 第17-18页 |
| 2.4 模糊积分 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于Adaboost集成学习的显著性检测 | 第21-31页 |
| 3.1 内容简介 | 第21-22页 |
| 3.2 图像特征 | 第22-23页 |
| 3.3 基于对比度计算的显著图 | 第23-26页 |
| 3.3.1 提取背景视觉信息 | 第23-24页 |
| 3.3.2 特征显著图 | 第24-25页 |
| 3.3.3 特征融合显著图 | 第25-26页 |
| 3.4 基于超像素分类的显著图 | 第26-29页 |
| 3.4.1 获取分类样本 | 第26页 |
| 3.4.2 KNN基本分类器 | 第26-27页 |
| 3.4.3 KNN-boost强分类器 | 第27-29页 |
| 3.5 对比度显著图与分类显著图融合显著图 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 4 基于Sugeno模糊积分的显著性检测 | 第31-38页 |
| 4.1 内容简介 | 第31-33页 |
| 4.2 提取图像前景视觉信息 | 第33页 |
| 4.3 模糊积分融合模型 | 第33-37页 |
| 4.3.1 Sugeno模糊积分的置信度 | 第34-35页 |
| 4.3.2 Sugeno模糊积分的模糊测度 | 第35-36页 |
| 4.3.3 特征的Sugeno模糊积分融合 | 第36-37页 |
| 4.4 背景前景融合显著图 | 第37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 实验结果与评价 | 第38-48页 |
| 5.1 数据库介绍 | 第38页 |
| 5.2 评测方法介绍 | 第38-39页 |
| 5.2.1 P-R曲线 | 第38-39页 |
| 5.2.2 F-measure曲线 | 第39页 |
| 5.3 实验参数设置 | 第39-40页 |
| 5.4 实验结果的定性评价与分析 | 第40-41页 |
| 5.5 实验结果的定量评价与分析 | 第41-46页 |
| 5.6 本文方法的不足 | 第46-47页 |
| 5.7 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |
