| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究意义和相关背景 | 第10-16页 |
| 1.1.1 粗粒度检测 | 第10-13页 |
| 1.1.2 细粒度检测 | 第13-16页 |
| 1.2 主要研究内容和贡献 | 第16-19页 |
| 1.3 论文结构 | 第19-20页 |
| 第2章 高值场景微变监测中的不同粒度视觉检测问题概述 | 第20-28页 |
| 2.1 粗粒度视觉检测 | 第20-23页 |
| 2.1.1 单张图像的显著性物体检测 | 第20-22页 |
| 2.1.2 多张图像的协同显著性物体检测 | 第22-23页 |
| 2.2 细粒度视觉检测 | 第23-28页 |
| 2.2.1 单张图像模糊检测 | 第24-25页 |
| 2.2.2 多张图像壁画病害检测和微小变化检测 | 第25-28页 |
| 第3章 单张图像的粗粒度显著性物体检测 | 第28-46页 |
| 3.1 基于颜色特征选择的单张图像显著性 | 第28-36页 |
| 3.1.1 方法 | 第29-32页 |
| 3.1.2 实验分析 | 第32-36页 |
| 3.2 基于低秩分解的多尺度单张图像显著性 | 第36-43页 |
| 3.2.1 方法 | 第36-40页 |
| 3.2.2 实验分析 | 第40-43页 |
| 3.3 本章小结 | 第43-46页 |
| 第4章 多张图像的粗粒度协同显著性物体检测 | 第46-62页 |
| 4.1 基于GMM的协同显著性检测 | 第46-52页 |
| 4.1.1 方法 | 第46-48页 |
| 4.1.2 实验分析 | 第48-52页 |
| 4.2 基于颜色特征共振的协同显著性检测 | 第52-60页 |
| 4.2.1 方法 | 第53-56页 |
| 4.2.2 实验分析 | 第56-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 单张图像的细粒度模糊检测 | 第62-78页 |
| 5.1 基于多尺度深度模糊特征的模糊检测 | 第63-76页 |
| 5.1.1 单尺度深度模糊检测 | 第63-68页 |
| 5.1.2 多尺度模糊检测 | 第68-70页 |
| 5.1.3 实验分析 | 第70-76页 |
| 5.2 本章小结 | 第76-78页 |
| 第6章 多张图像的细粒度病害和微小变化检测 | 第78-100页 |
| 6.1 基于多方向光照图像的壁画病害检测 | 第78-86页 |
| 6.1.1 方法 | 第80-83页 |
| 6.1.2 实验分析 | 第83-86页 |
| 6.2 基于深度神经网络的微小变化检测 | 第86-99页 |
| 6.2.1 方法 | 第88-93页 |
| 6.2.2 实验分析 | 第93-99页 |
| 6.3 本章小结 | 第99-100页 |
| 第7章 总结与展望 | 第100-104页 |
| 7.1 总结 | 第100-101页 |
| 7.2 展望 | 第101-104页 |
| 参考文献 | 第104-112页 |
| 发表论文和参加科研情况说明 | 第112-114页 |
| 致谢 | 第114-115页 |