| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14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 |
| 1.3 各章节安排 | 第13-14页 |
| 2 相关研究及本文工作 | 第14-20页 |
| 2.1 相关研究及存在问题 | 第14-18页 |
| 2.1.1 基于有监督学习的显著性检测 | 第14-15页 |
| 2.1.2 基于先验知识的显著性检测 | 第15-16页 |
| 2.1.3 基于多尺度的显著性检测 | 第16-17页 |
| 2.1.4 基于图相似性的显著性检测 | 第17-18页 |
| 2.1.5 基于度量学习的显著性检测 | 第18页 |
| 2.2 本文工作及主要贡献 | 第18-20页 |
| 3 理论基础 | 第20-27页 |
| 3.1 显著性检测理论基础 | 第20-22页 |
| 3.1.1 图像分割 | 第20-22页 |
| 3.1.2 图像特征 | 第22页 |
| 3.1.3 显著性衡量 | 第22页 |
| 3.2 度量学习理论基础 | 第22-23页 |
| 3.3 传统的度量学习方法 | 第23-24页 |
| 3.4 欧式-黎曼度量学习 | 第24-27页 |
| 3.4.1 黎曼度量 | 第24-25页 |
| 3.4.2 欧式-黎曼度量 | 第25-27页 |
| 4 基于点-集度量学习的显著性检测 | 第27-39页 |
| 4.1 初始显著图 | 第27-29页 |
| 4.2 选择训练样本 | 第29-33页 |
| 4.2.1 点样本 | 第29-30页 |
| 4.2.2 集样本 | 第30-31页 |
| 4.2.3 点-集配对 | 第31页 |
| 4.2.4 特征表示 | 第31-33页 |
| 4.2.4.1 绝对特征 | 第31-33页 |
| 4.2.4.2 相对特征 | 第33页 |
| 4.3 点-集度量学习 | 第33-36页 |
| 4.4 显著性计算 | 第36-37页 |
| 4.5 迭代优化 | 第37-39页 |
| 5 实验与结果 | 第39-54页 |
| 5.1 数据库介绍 | 第39页 |
| 5.2 实验细节说明 | 第39-41页 |
| 5.2.1 参数设置 | 第39-40页 |
| 5.2.2 评测标准 | 第40-41页 |
| 5.3 算法结果及比较 | 第41-54页 |
| 5.3.1 初始显著图的评测结果 | 第41-43页 |
| 5.3.2 多尺度方法的测评 | 第43-44页 |
| 5.3.3 迭代方法的评测结果 | 第44-45页 |
| 5.3.4 点-点度量学习与点-集度量学习的结果比较 | 第45-47页 |
| 5.3.5 与经典算法的比较 | 第47-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-64页 |
| 致谢 | 第64-66页 |