1.4　本书的内容安排

本书共分6章，内容组织结构见图1-5。

图1-5　内容组织结构图

第l章介绍了本书的研究背景和意义，介绍了当前国内外相关研究的进展，分析了现有方法存在的问题，并简述本书的研究内容，最后给出了本书的内容安排。

第2章针对目前还没有面向社交媒体图像的显著性数据集现状，构建了此类显著性数据集，详细论述了数据集的图像来源、图像的筛选原则、图像的标注及数据集的统计分析，并和流行显著性数据集进行对比。此数据集为显著区域提取方法提供了实验对象。

第3章针对单纯依靠图像底层特征已经不能取得令人满意提取效果的问题，提出了基于标签上下文信息的显著区域提取方法，该方法融合标签上下文信息和图像外观特征，用大量的实验证明了方法的有效性，缩小了高级语义信息和低级图像特征的差距。

第4章提出了基于多特征的显著区域提取方法，将卷积神经网络深度学习方法应用于显著区域的提取，并将经典的基于人工设计特征的提取方法结果作为深度学习提取方法的有益补充，进行结果的融合。融合方法的提取结果均好于单一提取方法的结果。

第5章引入显著性对图像分类方法建立分类框架，将图像库分为对象类图像库和场景类图像库，并针对不同类型的图像库提出不同的分类方法，最后通过实验验证算法的性能。

第6章对全书内容进行总结，并讨论进一步的研究方向。