局部背景优先策略的图像显著性检测算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 显著性模型的研究意义 | 第9-10页 |
| 1.3 国内外研究现状分析 | 第10-11页 |
| 1.4 本文主要研究内容和章节安排 | 第11-13页 |
| 第二章 人类视觉描述及典型显著性模型 | 第13-19页 |
| 2.1 人类视觉系统概述 | 第13-15页 |
| 2.1.1 视觉信息的处理 | 第13-14页 |
| 2.1.2 影响视觉的因素 | 第14页 |
| 2.1.3 注意的生理描述 | 第14-15页 |
| 2.2 显著性检测基本模型 | 第15页 |
| 2.3 显著特征描述 | 第15-16页 |
| 2.3.1 颜色特征 | 第15-16页 |
| 2.3.2 尺度特征 | 第16页 |
| 2.3.3 边缘特征 | 第16页 |
| 2.4 局部图像描述 | 第16页 |
| 2.5 典型的显著性检测模型及其性能分析 | 第16-17页 |
| 2.6 小结 | 第17-19页 |
| 第三章 颜色特征的选择性融合 | 第19-27页 |
| 3.1 颜色空间与融合方式的介绍 | 第19-22页 |
| 3.1.1 颜色空间 | 第19-20页 |
| 3.1.2 融合方式 | 第20-22页 |
| 3.2 颜色特征融合的改进方案 | 第22-23页 |
| 3.3 选择性融合的性能分析 | 第23-25页 |
| 3.3.1 实验前后结果对比 | 第23-24页 |
| 3.3.2 结果分析 | 第24-25页 |
| 3.4 小结 | 第25-27页 |
| 第四章 尺度级像素分割 | 第27-37页 |
| 4.1 分水岭及SLIC分割算法 | 第27-29页 |
| 4.1.1 分水岭算法 | 第27-28页 |
| 4.1.2 SLIC超像素算法 | 第28-29页 |
| 4.2 区域生长的并行改进 | 第29-31页 |
| 4.2.1 区域生长算法 | 第29页 |
| 4.2.2 并行改进 | 第29-31页 |
| 4.3 区域合并的反比例模型改进 | 第31-35页 |
| 4.3.1 过分割与欠分割问题 | 第31-32页 |
| 4.3.2 区域合并的反比例模型改进 | 第32-34页 |
| 4.3.3 实验结果及分析 | 第34-35页 |
| 4.4 小结 | 第35-37页 |
| 第五章 局部背景优先策略的图像显著性检测算法 | 第37-45页 |
| 5.1 提出算法的框架结构 | 第37页 |
| 5.2 局部背景优先策略的显著性检测算法 | 第37-41页 |
| 5.2.1 局部相对背景线索 | 第37-40页 |
| 5.2.2 显著性检测 | 第40-41页 |
| 5.3 显著图的边缘优化 | 第41-43页 |
| 5.3.1 元胞自动机 | 第41页 |
| 5.3.2 边缘优化 | 第41-43页 |
| 5.4 小结 | 第43-45页 |
| 第六章 实验与分析 | 第45-55页 |
| 6.1 ASD与ECSSD数据库 | 第45页 |
| 6.2 实验测试 | 第45-47页 |
| 6.3 评价 | 第47-51页 |
| 6.3.1 主观评价 | 第47-48页 |
| 6.3.2 客观评价 | 第48-51页 |
| 6.4 综合评价及分析 | 第51-53页 |
| 6.5 小结 | 第53-55页 |
| 第七章 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63页 |
