1. 毕业设计（论文）主要目标：
通过基于图的流形排序对图像元素（像素或区域）与前景线索或背景先验的信息进行排序。图像元素的显著性是基于给定种子（queries）的相关性来定义的。通过流行排序的方法将此先验扩散到并增加得到前景的比较可靠的估计。这些节点基于背景和前景种子的相似性来排序（通过关联矩阵（affinity matrices））。随后将前景的信息用类似的流行排序的方法加强，显著性检测以两阶段方案进行，以有效地提取背景区域和前景显著对象。综合利用图像中背景、前景的先验位置分布及连通性，得到显著物体分割的更好结果。
2. 毕业设计（论文）主要内容：
我们将显著性检测建模为流形排序问题，并提出了用于图形标记的两阶段方案。在第一阶段，我们通过使用图像每一侧的节点作为标记的背景种子点来开拓边界先验。从每个标记结果中，我们根据节点与这些种子点的相关性（即排名）计算节点的显著性作为背景标签。然后将四个标记的图集成以生成显著图。在第二阶段，我们将在第一阶段的结果显著映射进行二值分割，并将标记的前景节点作为显著种子点。基于每个节点与最终映射的前景种子点的相关性来计算每个节点的显著性。
3. 主要参考文献
[1] R. Achanta, F. Estrada, P. Wils, and S. Susstrunk. Salient region detection and segmentation. In ICVS, 2008.
[2] R. Achanta, S. Hemami, F. Estrada, and S. Susstrunk. Frequencytuned salient region detection. In CVPR, 2009.
[3] R. Achanta, K. Smith, A. Lucchi, P. Fua, and S. Susstrunk. Slic superpixels. Technical report, EPFL, Tech.Rep. 149300, 2010.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
