声明
致谢
摘要
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要工作
1.4 论文组织结构
2 相关理论基础
2.1 视觉注意机制
2.2 图像特征提取
2.3 分类器介绍
2.3.1 SVM支持向量机
2.3.2 神经网络
2.3.3 Adaboost分类器
2.4 典型方法介绍
2.4.1 Itti方法
2.4.2 LC方法
2.4.3 GB方法
2.4.4 RC方法
2.5 本章总结
3 基于自下而上和自上而下的特征描述
3.1 自下而上的特征提取
3.1.1 Itti特征提取
3.1.2 Sift特征描述子
3.1.3 Dense Sift特征密集提取
3.2 自上而下的特征提取
3.2.1 手动标注
3.2.2 眼动实验
3.3 实验数据集
3.4 对比实验
3.5 本章总结
4 基于Dense Sift和Adaboost的分类显著检测模型
4.1 DENSA模型
4.1.1 模型框架
4.1.2 特征提取
4.1.3 分类器选择
4.2 显著性检测标准
4.2.1 相关系数
4.2.3 ROC曲线
4.3 对比实验与分析
4.3.1 Itti特征+线性SVM
4.3.2 DENSA模型
4.3.3 其它经典方法对比
4.4 本章总结
5 图像显著区域检测的应用延伸实验
5.1 图像卷积计算过程
5.2 提取图像卷积层特征
5.3 本章小结
6.1 本文工作总结
6.2 下一步工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集