第1章 绪论
1.1 引言
1.2 视觉显著性检测任务
1.3 视觉显著性检测研究现状
1.3.1 基于低层图像特征的自底向上显著性目标检测方法
1.3.2 基于低层图像特征的自顶向下显著性目标检测方法
1.3.3 基于高层语义信息的自底向上显著性目标检测方法
1.3.4 基于深度学习的显著性目标检测方法
1.4 视觉显著性检测研究存在的问题
1.4.1 研究对象存在的挑战
1.4.2 研究方法及存在的问题
第2章 视觉显著性目标检测基础知识
2.1 引言
2.2 视觉显著性目标检测原理
2.2.1 人类视觉系统
2.2.2 视觉显著性定义
2.2.3 视觉显著性检测机制
2.3 图像数据集和评价方法
2.4 显著性评价指标
2.5 本章小结
第3章 图半监督学习
3.1 引言
3.2 图的概念及构造
3.2.1 图的概念
3.2.2 图的类型
3.2.3 邻域和度
3.2.4 图的属性
3.2.5 传统图构造方法
3.2.6 基于局部线性嵌入的图构造
3.3 图半监督学习方法
3.3.1 图半监督学习假设
3.3.2 高斯随机场
3.3.3 流形排序
3.4 基于图的视觉显著性目标检测方法
3.4.1 基于梯度下降的超像素分割算法
3.4.2 基于背景先验的流形排序方法
3.4.3 基于前景紧凑性的显著性计算方法
3.4.4 元胞自动机的显著性优化方法
3.5 本章小结
第4章 基于颜色描述子和高层先验的显著性目标检测
4.1 引言
4.2 CDHL算法概述
4.2.1 局部图像描述子
4.2.2 高层先验信息
4.3 实验和分析
4.3.1 实现细节
4.3.2 定量对比和分析
4.3.3 定性对比和分析
4.4 本章小结
第5章 基于多图交叉扩散的显著性目标检测
5.1 引言
5.2 CDCMG方法概述
5.2.1 图像特征提取
5.2.2 传统图构造
5.2.3 基于交叉扩散的前景紧凑性显著值计算
5.2.4 基于多特征SCA的显著性优化
5.3 实验和分析
5.3.1 CDCMG实现细节
5.3.2 定量对比和分析
5.3.3 定性对比和分析
5.4 本章小结
第6章 基于强化图的显著性目标检测
6.1 引言
6.2 LJAM方法概述
6.2.1 图像特征提取
6.2.2 联合亲和图矩阵
6.2.3 强化图构建
6.2.4 基于强化图的前景紧凑性显著值计算
6.2.5 基于强化SCA方法的显著图优化
6.3 实验和分析
6.3.1 LJAM实现细节
6.3.2 定量对比和分析
6.3.3 定性对比和分析
6.3.4 SLIC方法的有效性验证
6.3.5 LJAM的消融实验
6.3.6 强化图的优越性和拓展性验证
6.4 本章小结
第7章 基于三层强化图扩散的显著性目标检测
7.1 引言
7.2 RGD-3方法概述
7.2.1 图像特征提取
7.2.2 亲和图矩阵和传统图
7.2.3 第一层强化图中的前景显著值计算
7.2.4 第二层强化图中的前景和背景显著值计算
7.2.5 第三层强化图——SCA显著图优化
7.3 实验和分析
7.3.1 RGD-3实现细节
7.3.2 定量对比和分析
7.3.3 定性对比和分析
7.3.4 RGD-3的消融实验
7.4 本章小结
第8章 基于稀疏子空间聚类强化图的多尺度显著性目标检测
8.1 引言
8.2 MSPG方法概述
8.2.1 提取图像特征
8.2.2 传统图构造
8.2.3 稀疏子空间聚类的亲和图矩阵学习
8.3 实验和分析
8.3.1 实现细节
8.3.2 定量对比和分析
8.3.3 定性对比和分析
8.3.4 消融实验
8.4 本章小结
第9章 基于加权图构建的显著性目标检测
9.1 引言
9.2 SDWG方法概述
9.2.1 图像特征提取
9.2.2 传统无向图构建
9.2.3 多视角亲和图矩阵学习
9.2.4 多视角加权图构建
9.2.5 基于三层加权图的显著性检测
9.3 实验和分析
9.3.1 实现细节
9.3.2 定量对比和分析
9.3.3 定性对比和分析
9.3.4 消融实验
9.4 本章小结
第10章 基于稀疏图加权强化图扩散的显著性目标检测
10.1 引言
10.2 SGW算法概述
10.2.1 图像特征提取
10.2.2 稀疏图学习
10.2.3 传统图矩阵构建
10.2.4 基于强化图扩散模型的显著性计算
10.3 实验和分析
10.3.1 定量对比和分析
10.3.2 定性对比和分析
10.3.3 消融实验
10.4 本章小结
参考文献
展开
