| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状及存在问题 | 第13-17页 |
| 1.2.1 协同显著性目标检测研究现状 | 第13-14页 |
| 1.2.2 稀疏主成分特征提取研究现状 | 第14-15页 |
| 1.2.3 协同分割研究现状 | 第15-16页 |
| 1.2.4 目前研究存在的问题 | 第16-17页 |
| 1.3 论文研究内容及章节安排 | 第17-19页 |
| 第二章 稀疏主成分分析 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 稀疏主成分分析 | 第19-21页 |
| 2.2.1 符号标记 | 第19-20页 |
| 2.2.2 PCA | 第20-21页 |
| 2.2.3 sPCA | 第21页 |
| 2.3 稀疏主成分分析典型算法 | 第21-28页 |
| 2.3.1 基于方差最大化sPCA | 第22-25页 |
| 2.3.2 基于重构误差最小化sPCA | 第25-27页 |
| 2.3.3 基于概率模型sPCA | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于分块截断幂sPCA的协同显著性特征提取 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 截断幂SPCA | 第29-36页 |
| 3.2.1 截断幂基本原理 | 第29-31页 |
| 3.2.2 稀疏收敛与一致性 | 第31-32页 |
| 3.2.3 性能分析 | 第32-36页 |
| 3.3 基于图像分块截断幂的特征提取方法 | 第36-38页 |
| 3.3.1 图像分块与底层特征 | 第36-38页 |
| 3.3.2 稀疏调优参数的确定 | 第38页 |
| 3.4 实验结果与分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于结构化sPCA的协同显著性检测方法 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 结构化稀疏主成分分析 | 第42-47页 |
| 4.2.1 稀疏结构化定义 | 第42-43页 |
| 4.2.2 基于有效距离的特征选择 | 第43-46页 |
| 4.2.3 结合特征选择的结构稀疏 | 第46-47页 |
| 4.3 基于K-Means聚类的快速协同显著性检测 | 第47-49页 |
| 4.3.1 显著性特征计算 | 第47-48页 |
| 4.3.2 特征显著图融合 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于协同显著性目标检测的自动分割 | 第53-67页 |
| 5.1 引言 | 第53页 |
| 5.2 图像目标分割分析及改进思路 | 第53-58页 |
| 5.2.1 图割交互式分割 | 第53-56页 |
| 5.2.2 协同显著性分割 | 第56页 |
| 5.2.3 主动轮廓分割 | 第56-58页 |
| 5.3 基于多阶段图割的协同显著性目标精确分割方法 | 第58-62页 |
| 5.3.1 基于协同显著性检测与星形先验的粗分割 | 第60页 |
| 5.3.2 基于高斯混合的细分割 | 第60-62页 |
| 5.3.3 基于符号压力的主动轮廓精确分割 | 第62页 |
| 5.4 实验结果与分析 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
