首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

联合时空特征的视觉显著目标检测算法研究

摘要第3-5页
Abstract第5-7页
第1章 绪论第12-25页
    1.1 研究背景和意义第12-14页
    1.2 国内外研究现状第14-19页
        1.2.1 贝叶斯模型第15-16页
        1.2.2 图模型第16-17页
        1.2.3 深度网络模型第17-18页
        1.2.4 视频显著性检测数据集第18-19页
    1.3 视频显著性目标检测存在的主要问题第19-21页
    1.4 本文的主要研究内容第21-23页
    1.5 论文结构安排第23-25页
第2章 基于混合运动能量和重叠区的显著目标检测第25-42页
    2.1 引言第25页
    2.2 相关工作第25-27页
        2.2.1 空间显著性第26-27页
        2.2.2 时空显著性第27页
    2.3 运动能量提取第27-32页
        2.3.1 运动区域能量和运动边缘能量第28-31页
        2.3.2 运动历史能量图第31-32页
    2.4 基于重叠区和混合运动能量的显著性目标检测第32-35页
        2.4.1 混合运动能量第32-34页
        2.4.2 基于重叠区和混合运动能量的显著性检测算法第34-35页
    2.5 实验结果和分析第35-41页
        2.5.1 评价指标第35-36页
        2.5.2 与其他显著性检测算法的实验比较第36-41页
    2.6 本章小结第41-42页
第3章 结合轨迹聚类的抗弱对比度显著性检测第42-64页
    3.1 引言第42页
    3.2 相关工作第42-46页
    3.3 结合轨迹聚类的显著性目标检测第46-50页
        3.3.1 特征点轨迹聚类第46-48页
        3.3.2 对轨迹聚类划分图的显著性表示第48-49页
        3.3.3 弱对比度场景下的显著性目标检测算法第49-50页
    3.4 实验结果和分析第50-63页
        3.4.1 无监督显著性目标检测算法比较第52-55页
        3.4.2 基于深度特征的显著性检测算法比较第55-61页
        3.4.3 与前一章显著性检测算法的比较分析第61-63页
    3.5 本章小结第63-64页
第4章 基于多视觉特征交叉融合的显著性检测第64-84页
    4.1 引言第64页
    4.2 相关工作和算法总体设计第64-67页
    4.3 多视觉特征序列中的错误帧修正第67-69页
        4.3.1 相邻帧距离矩阵构建第67-68页
        4.3.2 中心局部增强和相对变化率计算第68-69页
    4.4 基于相似性网络的交叉融合模型第69-71页
    4.5 基于相似性矩阵的显著性检测第71-73页
    4.6 实验和结果分析第73-83页
        4.6.1 无监督算法性能比较第76-77页
        4.6.2 基于深度特征的算法性能比较第77-81页
        4.6.3 与前一章显著性检测算法的比较分析第81-83页
    4.7 本章小结第83-84页
第5章 带局部特征约束的显著性优化模型第84-112页
    5.1 引言第84页
    5.2 总体建模思路第84-86页
    5.3 可靠目标区域和背景区域提取第86-90页
    5.4 优化模型中各约束项设计第90-93页
        5.4.1 前景潜能项第90-91页
        5.4.2 背景潜能项第91-92页
        5.4.3 平滑项第92页
        5.4.4 约束条件设计第92-93页
    5.5 优化模型的二次规划问题求解第93-99页
        5.5.1 SCOM模型的二次型矩阵构建第94-95页
        5.5.2 拉格朗日方法求解第95-96页
        5.5.3 神经网络法求解第96-99页
    5.6 实验和结果分析第99-111页
        5.6.1 不同配置模型的性能验证第99-103页
        5.6.2 结合深度特征的性能测试第103-104页
        5.6.3 与其他显著性检测算法的性能比较第104-111页
    5.7 本章小结第111-112页
第6章 总结与展望第112-115页
    6.1 工作总结第112-113页
    6.2 工作展望第113-115页
参考文献第115-124页
致谢第124-125页
攻读博士学位期间发表的学术论文第125页
攻读博士学位期间申请的发明专利第125-126页
攻读博士学位期间参与的主要科研项目第126页

论文共126页,点击 下载论文
上一篇:基于条纹投影的多视点三维显微测量系统研究
下一篇:基于散斑投影的多节点传感整体三维自动测量技术研究