声明
摘要
1 绪论
1.1 课题研究的背景及意义
1.2 国内外发展现状
1.3 技术难点
1.4 论文的主要工作和结构
2 基于图模型的检测原理
2.1 图模型的建立
2.1.1 超像素分割
2.1.2 图模型的表示
2.2 基于随机游走的显著性检测
2.2.1 遍历马尔科夫理论
2.2.2 显著节点检测
2.3 基于流行排序的显著性传播
2.3.1 流行排序理论
2.3.2 显著性衡量
2.4 本章小结
3 自扩散的部分吸收随机游走协同显著性检测
3.1 内容简介
3.2 相似度矩阵的自扩散
3.3 部分吸收随机游走显著目标检测
3.3.1 部分吸收随机游走理论
3.3.2 图模型中的吸收概率
3.3.3 显著性检测
3.4 多图的协同显著目标检测
3.4.1 阈值分割
3.4.2 协同种子点的选取
3.4.3 协同显著性检测
3.5 成对图像的协同显著目标检测
3.5.1 图像间的前景相似信息
3.5.2 图像内的背景相似信息
3.5.3 协同显著性融合
3.6 本章小结
4 实验结果与分析
4.1 评价的准则和参数设定
4.2 相似度矩阵自扩散的有效性
4.3 单图的不同算法的比较
4.4 协同显著性算法比较
4.4.1 图像对的协同显著性算法比较
4.4.2 多幅图像的协同显著性算法比较
4.5 算法失败的例子
4.6 本章小结
结论
参考文献
致谢