基于稠密和稀疏重构的图像显著性检测算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及选题意义 | 第8-10页 |
| 1.2 经典算法及研究现状 | 第10-13页 |
| 2 相关研究及本文工作 | 第13-18页 |
| 2.1 相关研究及存在问题 | 第13-16页 |
| 2.1.1 基于先验知识的显著性检测 | 第13-14页 |
| 2.1.2 基于稀疏表示的显著性检测 | 第14-15页 |
| 2.1.3 基于贝叶斯模型的显著性检测 | 第15-16页 |
| 2.2 本文工作及主要贡献 | 第16-18页 |
| 3 基于稠密和稀疏重构的显著性检测 | 第18-35页 |
| 3.1 背景模板 | 第18-19页 |
| 3.2 重构误差 | 第19-24页 |
| 3.2.1 稠密重构误差 | 第20-21页 |
| 3.2.1.1 主成分分析方法简介 | 第20页 |
| 3.2.1.2 稠密重构误差的计算 | 第20-21页 |
| 3.2.2 稀疏重构误差 | 第21-24页 |
| 3.2.2.1 稀疏表示方法简介 | 第21-23页 |
| 3.2.2.2 稀疏重构误差的计算 | 第23-24页 |
| 3.3 基于上下文的误差传播 | 第24-27页 |
| 3.4 像素级重构误差的计算 | 第27-30页 |
| 3.4.1 多尺度重构误差融合 | 第27-28页 |
| 3.4.2 目标偏置的高斯滤波 | 第28-30页 |
| 3.5 基于贝叶斯的显著图融合 | 第30-35页 |
| 3.5.1 显著图的传统融合方法 | 第30-31页 |
| 3.5.2 基于贝叶斯的显著性公式 | 第31-32页 |
| 3.5.3 显著图的贝叶斯融合方法 | 第32-35页 |
| 4 实验与结果 | 第35-51页 |
| 4.1 数据库介绍 | 第35-36页 |
| 4.2 实验细节说明 | 第36-37页 |
| 4.2.1 参数设置 | 第36页 |
| 4.2.2 评测标准 | 第36-37页 |
| 4.3 算法比较结果 | 第37-51页 |
| 4.3.1 重构误差显著性的评测结果 | 第37-39页 |
| 4.3.2 贝叶斯融合显著性的评测结果 | 第39-43页 |
| 4.3.3 传播机制在经典算法上的应用 | 第43-46页 |
| 4.3.4 与经典算法的定量和定性比较 | 第46-51页 |
| 结论 | 第51-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-60页 |
| 致谢 | 第60-62页 |
