| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 轮廓检测的国内外研究现状 | 第12-14页 |
| 1.2.1 生理学研究现状 | 第12页 |
| 1.2.2 计算机视觉研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 视觉系统中的轮廓感知机制 | 第16-24页 |
| 2.1 视觉感知系统概述 | 第16-19页 |
| 2.1.1 V1层中简单细胞和复杂细胞的感受野特性 | 第17页 |
| 2.1.2 非经典感受野特性 | 第17-18页 |
| 2.1.3 关联域的概念 | 第18-19页 |
| 2.2 轮廓感知的全局与局部机制 | 第19-21页 |
| 2.2.1 全局机制 | 第19-20页 |
| 2.2.2 局部机制 | 第20-21页 |
| 2.3 神经元的连接特性 | 第21-23页 |
| 2.3.1 前馈连接和反馈连接 | 第22页 |
| 2.3.2 远程水平交互 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于V1层神经元特性的轮廓检测 | 第24-35页 |
| 3.1 边缘与轮廓的区别 | 第24-25页 |
| 3.2 边缘检测的基本方法 | 第25页 |
| 3.3 基于非经典感受野特性的轮廓检测算法 | 第25-31页 |
| 3.3.1 V1层神经元经典感受野的模拟 | 第26-27页 |
| 3.3.2 非经典感受野的作用 | 第27-28页 |
| 3.3.3 各向异性Non-CRF抑制 | 第28-29页 |
| 3.3.4 各向同性Non-CRF抑制 | 第29-30页 |
| 3.3.5 改进算法 | 第30-31页 |
| 3.4 基于非经典感受野特性的多尺度轮廓整合算法 | 第31-33页 |
| 3.5 含有循环反馈环节的轮廓检测算法 | 第33页 |
| 3.6 本章小结 | 第33-35页 |
| 第四章 基于图像多尺度空间抑制与上下文调制的轮廓检测 | 第35-55页 |
| 4.1 算法的提出 | 第35-37页 |
| 4.1.1 概述 | 第35-36页 |
| 4.1.2 多尺度抑制与上下文调制的轮廓检测算法 | 第36-37页 |
| 4.2 Gabor滤波器模拟神经元响应 | 第37-39页 |
| 4.3 3-D DOG多尺度抑制 | 第39-41页 |
| 4.4 上下文调制 | 第41-43页 |
| 4.5 实验分析与评价 | 第43-54页 |
| 4.5.1 实验数据集 | 第43页 |
| 4.5.2 定量评价指标 | 第43-44页 |
| 4.5.3 算法参数分析与讨论 | 第44-48页 |
| 4.5.4 实验结果分析与讨论 | 第48-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的论文 | 第61-63页 |