图像显著性检测算法研究

1 概述

1．1 研究背景及意义

1．2 视觉显著性理论基础

1．2．1 人类视觉系统

1．2．2 人类视觉注意机制

1．2．3 视觉显著性经典理论框架

1．3 视觉显著性关键技术

1．3．1 视觉注视点预测

1．3．2 显著性区域检测

1．4 显著性检测研究现状

1．4．1 自底向上的数据驱动模型

1．4．2 自顶向下的任务驱动模型

1．5 显著性的相关应用

1．6 研究内容及组织结构

1．6．1 主要研究内容

1．6．2 本书的组织结构

2 分层显著性目标检测框架研究

2．1 问题形成

2．2 相关研究

2．2．1 多维融合模型

2．2．2 先验引导模型

2．2．3 决策优化模型

2．3 分层显著性检测算法

2．3．1 图的构建

2．3．2 粗粒度层显著图检测

2．3．3 细粒度层显著图检测

2．3．4 显著图多层融合

2．4 实验

2．4．1 实验评价指标

2．4．2 结果与分析

2．5 本章小结

3 联合显著性检测算法研究

3．1 问题形成

3．2 相关研究

3．2．1 静态显著性检测模型

3．2．2 动态显著性检测模型

3．3 联合显著性检测算法

3．3．1 静态显著性检测

3．3．2 动态显著性检测

3．3．3 联合显著性融合

3．4 实验

3．4．1 实验评价指标

3．4．2 结果与分析

3．5 本章小结

4 基于深度神经网络模型的显著性目标检测算法

4．1 问题形成

4．2 相关研究

4．3 基于多任务深度神经网络的显著性目标检测算法

4．3．1 构建目标上下文图像

4．3．2 全卷积神经网络结构

……