視覺(jué)顯著性目標(biāo)檢測(cè)原理及方法

第1章緒論（1）
1.1引言（1）
1.2視覺(jué)顯著性檢測(cè)任務(wù)（2）
1.3視覺(jué)顯著性檢測(cè)研究現(xiàn)狀（5）
1.3.1基于低層圖像特征的自底向上顯著性目標(biāo)檢測(cè)方法（6）
1.3.2基于低層圖像特征的自頂向下顯著性目標(biāo)檢測(cè)方法（10）
1.3.3基于高層語(yǔ)義信息的自底向上顯著性目標(biāo)檢測(cè)方法（11）
1.3.4基于深度學(xué)習(xí)的顯著性目標(biāo)檢測(cè)方法（12）
1.4視覺(jué)顯著性檢測(cè)研究存在的問(wèn)題（12）
1.4.1研究對(duì)象存在的挑戰(zhàn)（12）
1.4.2研究方法及存在的問(wèn)題（14）
第2章視覺(jué)顯著性目標(biāo)檢測(cè)基礎(chǔ)知識(shí)（15）
2.1引言（15）
2.2視覺(jué)顯著性目標(biāo)檢測(cè)原理（15）
2.2.1人類視覺(jué)系統(tǒng)（15）
2.2.2視覺(jué)顯著性定義（17）
2.2.3視覺(jué)顯著性檢測(cè)機(jī)制（17）
2.3圖像數(shù)據(jù)集和評(píng)價(jià)方法（20）
2.4顯著性評(píng)價(jià)指標(biāo)（24）
2.5本章小結(jié)（27）
第3章圖半監(jiān)督學(xué)習(xí)（28）
3.1引言（28）
3.2圖的概念及構(gòu)造（28）
3.2.1圖的概念（28）
3.2.2圖的類型（29）
3.2.3鄰域和度（29）
3.2.4圖的屬性（30）
3.2.5傳統(tǒng)圖構(gòu)造方法（32）
3.2.6基于局部線性嵌入的圖構(gòu)造（33）
3.3圖半監(jiān)督學(xué)習(xí)方法（34）
3.3.1圖半監(jiān)督學(xué)習(xí)假設(shè)（36）
3.3.2高斯隨機(jī)場(chǎng)（36）
3.3.3流形排序（38）
3.4基于圖的視覺(jué)顯著性目標(biāo)檢測(cè)方法（41）
3.4.1基于梯度下降的超像素分割算法（41）
3.4.2基于背景先驗(yàn)的流形排序方法（42）
3.4.3基于前景緊湊性的顯著性計(jì)算方法（44）
3.4.4元胞自動(dòng)機(jī)的顯著性優(yōu)化方法（46）
3.5本章小結(jié)（47）
第4章基于顏色描述子和高層先驗(yàn)的顯著性目標(biāo)檢測(cè)（48）
4.1引言（48）
4.2CDHL算法概述（49）
4.2.1局部圖像描述子（49）
4.2.2高層先驗(yàn)信息（52）
4.3實(shí)驗(yàn)和分析（55）
4.3.1實(shí)現(xiàn)細(xì)節(jié)（55）
4.3.2定量對(duì)比和分析（56）
4.3.3定性對(duì)比和分析（59）
4.4本章小結(jié)（60）
第5章基于多圖交叉擴(kuò)散的顯著性目標(biāo)檢測(cè)（62）
5.1引言（62）
5.2CDCMG方法概述（64）
5.2.1圖像特征提?。?4）
5.2.2傳統(tǒng)圖構(gòu)造（66）
5.2.3基于交叉擴(kuò)散的前景緊湊性顯著值計(jì)算（66）
5.2.4基于多特征SCA的顯著性優(yōu)化（67）
5.3實(shí)驗(yàn)和分析（69）
5.3.1CDCMG實(shí)現(xiàn)細(xì)節(jié)（69）
5.3.2定量對(duì)比和分析（70）
5.3.3定性對(duì)比和分析（73）
5.4本章小結(jié)（76）
第6章基于強(qiáng)化圖的顯著性目標(biāo)檢測(cè)（77）
6.1引言（77）
6.2LJAM方法概述（78）
6.2.1圖像特征提?。?9）
6.2.2聯(lián)合親和圖矩陣（80）
6.2.3強(qiáng)化圖構(gòu)建（82）
6.2.4基于強(qiáng)化圖的前景緊湊性顯著值計(jì)算（83）
6.2.5基于強(qiáng)化SCA方法的顯著圖優(yōu)化（84）
6.3實(shí)驗(yàn)和分析（86）
6.3.1LJAM實(shí)現(xiàn)細(xì)節(jié)（87）
6.3.2定量對(duì)比和分析（87）
6.3.3定性對(duì)比和分析（90）
6.3.4SLIC方法的有效性驗(yàn)證（93）
6.3.5LJAM的消融實(shí)驗(yàn)（94）
6.3.6強(qiáng)化圖的優(yōu)越性和拓展性驗(yàn)證（95）
6.4本章小結(jié)（96）
第7章基于三層強(qiáng)化圖擴(kuò)散的顯著性目標(biāo)檢測(cè)（97）
7.1引言（97）
7.2RGD-3方法概述（98）
7.2.1圖像特征提?。?9）
7.2.2親和圖矩陣和傳統(tǒng)圖（99）
7.2.3第一層強(qiáng)化圖中的前景顯著值計(jì)算（100）
7.2.4第二層強(qiáng)化圖中的前景和背景顯著值計(jì)算（102）
7.2.5第三層強(qiáng)化圖——SCA顯著圖優(yōu)化（103）
7.3實(shí)驗(yàn)和分析（104）
7.3.1RGD-3實(shí)現(xiàn)細(xì)節(jié)（105）
7.3.2定量對(duì)比和分析（105）
7.3.3定性對(duì)比和分析（109）
7.3.4RGD-3的消融實(shí)驗(yàn)（112）
7.4本章小結(jié)（113）
第8章基于稀疏子空間聚類強(qiáng)化圖的多尺度顯著性目標(biāo)檢測(cè)（114）
8.1引言（114）
8.2MSPG方法概述（115）
8.2.1提取圖像特征（116）
8.2.2傳統(tǒng)圖構(gòu)造（117）
8.2.3稀疏子空間聚類的親和圖矩陣學(xué)習(xí)（117）
8.3實(shí)驗(yàn)和分析（119）
8.3.1實(shí)現(xiàn)細(xì)節(jié)（120）
8.3.2定量對(duì)比和分析（120）
8.3.3定性對(duì)比和分析（124）
8.3.4消融實(shí)驗(yàn)（127）
8.4本章小結(jié)（129）
第9章基于加權(quán)圖構(gòu)建的顯著性目標(biāo)檢測(cè)（130）
9.1引言（130）
9.2SDWG方法概述（131）
9.2.1圖像特征提取（132）
9.2.2傳統(tǒng)無(wú)向圖構(gòu)建（132）
9.2.3多視角親和圖矩陣學(xué)習(xí)（132）
9.2.4多視角加權(quán)圖構(gòu)建（134）
9.2.5基于三層加權(quán)圖的顯著性檢測(cè)（134）
9.3實(shí)驗(yàn)和分析（136）
9.3.1實(shí)現(xiàn)細(xì)節(jié)（137）
9.3.2定量對(duì)比和分析（137）
9.3.3定性對(duì)比和分析（140）
9.3.4消融實(shí)驗(yàn)（141）
9.4本章小結(jié)（141）
第10章基于稀疏圖加權(quán)強(qiáng)化圖擴(kuò)散的顯著性目標(biāo)檢測(cè)（142）
10.1引言（142）
10.2SGW算法概述（143）
10.2.1圖像特征提取（144）
10.2.2稀疏圖學(xué)習(xí)（144）
10.2.3傳統(tǒng)圖矩陣構(gòu)建（144）
10.2.4基于強(qiáng)化圖擴(kuò)散模型的顯著性計(jì)算（145）
10.3實(shí)驗(yàn)和分析（146）
10.3.1定量對(duì)比和分析（147）
10.3.2定性對(duì)比和分析（149）
10.3.3消融實(shí)驗(yàn)（149）
10.4本章小結(jié)（153）
參考文獻(xiàn)（154）