目录

●前言
第1章 绪论 1
1.1 研究背景 1
1.2 国内外研究现状 4
1.3 本书的主要工作及创新点 7
1.4 本书的组织结构 8
第2章 视觉注意机制基础 11
2.1 视觉注意机制的原理 11
2.2 视觉显著性检测模型分类 13
2.2.1 从信息处理的角度分类 13
2.2.2 按理论搭建的框架分类 20
2.2.3 按处理对象分类 21
2.2.4 按检测结果分类 23
2.3 常用的颜色特征 24
2.3.1 RGB颜色特征 24
2.3.2 CIELab颜色特征 25
2.3.3 强度特征 27
2.3.4 宽频调谐颜色特征 27
2.3.5 对抗色颜色特征 28
2.3.6 HSV空间颜色特征 29
2.4 常用的信息融合方法 30
2.5 测试数据集 31
2.5.1 眼动数据集 31
2.5.2 显著物体数据集 32
2.5.3 自然图像数据集 33
2.5.4 复杂场景显著性数据集 33
2.6 性能评估方法 33
第3章 融合空域及频域特征的显著性目标检测 38
3.1 引言 38
3.2 颜色空间选取 39
3.3 *大矩形邻域模型 40
3.4 谱残余模型 43
3.5 特征融合 47
3.6 中心偏移机制 49
3.7 实验结果及分析 51
3.7.1 MSRA实验数据集 51
3.7.2 BET实验数据集 54
3.7.3 颜色通道实验对比 56
3.8 本章小结 56
第4章 基于颜色对比度及分布特征的显著性目标检测 58
4.1 引言 58
4.2 超像素分割 59
4.3 空间对比度特征 61
4.4 分布特征 64
4.5 特征融合 65
4.6 实验结果及分析 66
4.7 本章小结 70
第5章 基于颜色及纹理特征的显著性目标检测 72
5.1 引言 72
5.2 直方图对比度 74
5.2.1 直方图定义 74
5.2.2 直方图对比度特征 74
5.3 纹理特征 76
5.3.1 Gabor变换 77
5.3.2 多尺度分析 79
5.4 特征融合 81
5.5 实验结果及分析 82
5.6 本章小结 83
第6章 基于背景先验知识的显著性目标检测 85
6.1 引言 85
6.2 图像预处理 89
6.2.1 均匀分割 89
6.2.2 超像素分割 90
6.3 基于背景先验知识的显著性建模模型 92
6.3.1 显著性特征计算 92
6.3.2 特征融合 93
6.4 实验结果及分析 93
6.4.1 均匀分割下的实验结果 94
6.4.2 超像素分割下的检测结果 95
6.5 本章小结 99
第7章 基于特征聚类和紧致先验的显著性目标检测 101
7.1 引言 101
7.2 基于特征聚类和紧致先验的显著性目标检测算法 102
7.2.1 超像素预处理 103
7.2.2 特征聚类 103
7.2.3 背景模型 104
7.2.4 显著性特征计算 104
7.2.5 特征增强 105
7.3 实验结果及分析 106
7.3.1 定性评估 106
7.3.2 性能评估 107
7.4 本章小结 114
第8章 协同显著性目标检测 115
8.1 引言 115
8.2 稀疏表示 117
8.3 协同显著性目标检测算法 120
8.3.1 构造图像特征空间基函数 120
8.3.2 多幅图像的协同显著性 120
8.3.3 基于协同显著图的显著性区域提取方法 122
8.4 实验结果及分析 123
8.5 本章小结 123
参考文献 125