声明
摘要
第1章 绪论
1.1 显著性检测的背景和意义
1.2 国内外研究现状
1.3 主要工作
1.4 论文结构
1.5 本章小结
第2章 基本理论和技术基础
2.1 视觉注意机制
2.1.1 自底向上的视觉注意机制
2.1.2 自顶而下的视觉注意机制
2.2 显著性图谱概述
2.3 图像质量评价指标
2.3.1 精确率和召回率
2.3.2 F值
2.3 颜色空间模式
2.3.1 RGB颜色空间模式
2.3.2 Lab颜色空间模式
2.3.3 HSV颜色空间模式
2.3.4 OPP颜色空间模式
2.4 SLIC超像素分割
2.5 本章小结
第3章 基于多尺度机器学习的显著性检测
3.1 算法系统框图
3.2 超像素特征提取
3.2.1 位置特征
3.2.2 颜色特征
3.2.3 形状特征
3.2.4 纹理特征
3.3 随机森林模型
3.3.1 训练学习过程
3.3.2 多尺度机器学习
3.3.3 测试实验
3.4 本章小结
第4章 基于加权稀疏表示的显著性检测算法
4.1 算法系统框图
4.2 稀疏表示法
4.3 加权稀疏表示模型
4.4 字典构造
4.4.1 非显著性背景字典的构成
4.4.2 显著性背景字典的构成
4.5 测试实验
4.6 算法对比实验
4.6.1 对比算法概述
4.6.2 图像数据集
4.6.3 实验结果及分析
4.7 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文
攻读硕士学位期间参加的科研项目