中文摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第1章 引言 | 第12-32页 |
1.1 导盲系统的研究背景 | 第12-27页 |
1.1.1 导盲系统的分类 | 第12-14页 |
1.1.2 导盲系统的研究进展 | 第14-25页 |
1.1.3 导盲系统的发展趋势 | 第25-27页 |
1.2 听觉显示 | 第27-28页 |
1.3 论文的研究目标和内容 | 第28-30页 |
1.4 论文的组织 | 第30-32页 |
第2章 基于DC-SVM图像分割及复合频率听觉显示的导盲算法 | 第32-52页 |
2.1 具有动态惩罚因子的支持向量机DC-SVM | 第32-42页 |
2.1.1 支持向量机模型 | 第32-40页 |
2.1.2 具有动态惩罚因子的支持向量机模型 | 第40-42页 |
2.2 基于DC-SVM的图像分割方法 | 第42-47页 |
2.2.1 支持向量机图像分割的关键问题 | 第42-43页 |
2.2.2 图像预处理及特征提取 | 第43-45页 |
2.2.3 实验结果 | 第45-47页 |
2.3 复合频率听觉显示方法 | 第47-49页 |
2.4 实验结果及分析 | 第49-50页 |
2.5 本章小结 | 第50-52页 |
第3章 基于图像增强及多尺度乐音显示的导盲算法 | 第52-72页 |
3.1 基于梯度控制的各向异性扩散冲击滤波器GCADSF的图像增强算法 | 第52-61页 |
3.1.1 图像增强的偏微分方程方法 | 第52-54页 |
3.1.2 图像的微分结构 | 第54-55页 |
3.1.3 冲击滤波器的数学模型 | 第55-57页 |
3.1.4 梯度控制的各向异性扩散冲击滤波器模型 | 第57-59页 |
3.1.5 实验结果 | 第59-61页 |
3.2 基于小波变换和GCADSF的图像降维增强算法 | 第61-66页 |
3.2.1 小波变换的基本原理 | 第61-65页 |
3.2.2 基于小波变换和GCADSF的图像降维增强算法的实现 | 第65-66页 |
3.3 多尺度乐音显示方法 | 第66-69页 |
3.3.1 十二平均律 | 第67-68页 |
3.3.2 多尺度乐音显示方法的实现 | 第68-69页 |
3.4 实验结果及分析 | 第69-71页 |
3.5 本章小结 | 第71-72页 |
第4章 基于边缘检测及MIDI乐音显示的导盲算法 | 第72-98页 |
4.1 基于ICA边缘基函数重构的图像边缘检测方法 | 第72-89页 |
4.1.1 ICA的基本原理 | 第72-81页 |
4.1.2 图像的ICA基函数表示方法 | 第81-84页 |
4.1.3 ICA边缘基函数重构算法 | 第84-86页 |
4.1.4 实验结果 | 第86-89页 |
4.2 基于小波变换和Canny算法的噪声图像边缘检测方法 | 第89-93页 |
4.3 MIDI乐音显示方法 | 第93-95页 |
4.3.1 MIDI概述 | 第93-94页 |
4.3.2 MIDI乐音显示方法的实现 | 第94-95页 |
4.4 实验结果及分析 | 第95-97页 |
4.5 本章小结 | 第97-98页 |
第5章 基于视觉注意模型及3D立体声显示的导盲算法 | 第98-120页 |
5.1 视觉注意机制 | 第98-101页 |
5.1.1 视觉注意的概念 | 第98-99页 |
5.1.2 视觉注意的选择性 | 第99-100页 |
5.1.3 特征融合理论 | 第100-101页 |
5.2 视觉注意计算模型 | 第101-107页 |
5.2.1 显著性度量 | 第101-102页 |
5.2.2 注意焦点的选择与转移 | 第102-103页 |
5.2.3 Itti视觉注意计算模型 | 第103-107页 |
5.3 3D立体声显示方法 | 第107-113页 |
5.3.1 映射特征的提取 | 第107-110页 |
5.3.2 头相关传输函数 | 第110-112页 |
5.3.3 3D立体声显示方法的实现 | 第112-113页 |
5.4 实验结果及分析 | 第113-117页 |
5.5 本章小结 | 第117-120页 |
第6章 总结与展望 | 第120-124页 |
6.1 本文的主要贡献与创新 | 第120-121页 |
6.2 下一步的研究设想 | 第121-124页 |
参考文献 | 第124-132页 |
致谢 | 第132-134页 |
攻读博士学位期间的研究成果 | 第134-135页 |
发表的学术论文 | 第134-135页 |
参编著作 | 第135页 |