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
……