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 |