1概述 1
1.1 研究背景及意义 1
1.2 视觉显著性理论基础 3
1.2.1 人类视觉系统 3
1.2.2 人类视觉注意机制 6
1.2.3 视觉显著性经典理论框架 8
1.3 视觉显著性关键技术 9
1.3.1 视觉注视点预测 10
1.3.2 显著性区域检测 11
1.4 显著性检测研究现状 12
1.4.1 自底向上的数据驱动模型 12
1.4.2 自顶向下的任务驱动模型 22
1.5 显著性的相关应用 26
1.6 研究内容及组织结构 28
1.6.1 主要研究内容 28
1.6.2 本书的组织结构 30
2分层显著性目标检测框架研究 32
2.1 问题形成 32
2.2 相关研究 34
2.2.1 多维融合模型 34
2.2.2 先验引导模型 34
2.2.3 决策优化模型 35
2.3 分层显著性检测算法 36
2.3.1 图的构建 37
2.3.2 粗粒度层显著图检测 38
2.3.3 细粒度层显著图检测 41
2.3.4 显著图多层融合 42
2.4 实验 44
2.4.1 实验评价指标 44
2.4.2 结果与分析 45
2.5 本章小结 55
3联合显著性检测算法研究 56
3.1 问题形成 56
3.2 相关研究 57
3.2.1 静态显著性检测模型 58
3.2.2 动态显著性检测模型 59
3.3 联合显著性检测算法 60
3.3.1 静态显著性检测 61
3.3.2 动态显著性检测 67
3.3.3 联合显著性融合 71
3.4 实验 72
3.4.1 实验评价指标 72
3.4.2 结果与分析 72
3.5 本章小结 77
4基于深度神经网络模型的显著性目标检测算法 78
4.1 问题形成 78
4.2 相关研究 79
4.3 基于多任务深度神经网络的显著性目标检测算法 81
4.3.1 构建目标上下文图像 82
4.3.2 全卷积神经网络结构 83
4.3.3 目标轮廓检测任务 84
4.3.4 显著性检测任务 85
4.3.5 基于条件随机场的显著图细化 86
4.4 实验 87
4.4.1 实验评价指标 87
4.4.2 结果与分析 87
4.5 本章小结 96
5总结与展望 97
5.1 主要研究成果 97
5.2 工作展望 99
参考文献 100