| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| ·选题背景与意义 | 第12页 |
| ·国内外研究现状及存在问题 | 第12-15页 |
| ·国内外研究现状分析 | 第13-14页 |
| ·目前研究存在的问题 | 第14-15页 |
| ·论文研究内容及章节安排 | 第15-18页 |
| 第二章 相关知识 | 第18-28页 |
| ·引言 | 第18页 |
| ·特征提取方法 | 第18-23页 |
| ·线性判别分析 | 第18-19页 |
| ·局部保持映射 | 第19-20页 |
| ·独立成分分析 | 第20页 |
| ·主成分分析 | 第20-21页 |
| ·稀疏主成分分析 | 第21-23页 |
| ·聚类算法 | 第23-27页 |
| ·基于划分的聚类算法 | 第24-25页 |
| ·基于层次的聚类算法 | 第25-26页 |
| ·基于密度的聚类算法 | 第26页 |
| ·基于网格的聚类算法 | 第26-27页 |
| ·基于模型的聚类算法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于图像分块与截断幂的特征提取 | 第28-35页 |
| ·引言 | 第28页 |
| ·图像分块与图像块底层颜色特征提取 | 第28-30页 |
| ·基于截断幂的稀疏特征提取 | 第30-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·几种典型的稀疏主成分分析方法的性能比较 | 第31-32页 |
| ·稀疏处理参数的确定 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于K-Means与自适应权值的多幅图像协同显著性检测 | 第35-56页 |
| ·引言 | 第35页 |
| ·K-Means聚类算法初始簇中心的确定 | 第35-36页 |
| ·基于聚类的显著性特征计算 | 第36-39页 |
| ·对比特征 | 第36-37页 |
| ·空间特征 | 第37-38页 |
| ·全局分布特征 | 第38-39页 |
| ·基于自适应权值的协同显著图生成 | 第39-44页 |
| ·自适应阈值分割 | 第40-41页 |
| ·基于图像内容的自适应权值计算 | 第41-44页 |
| ·实验结果与分析 | 第44-54页 |
| ·数据集和评价标准 | 第45-47页 |
| ·多幅图像协同显著性检测效果对比 | 第47-50页 |
| ·多幅图像协同显著性检测效率对比 | 第50-51页 |
| ·多幅图像协同显著性检测的应用 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 具有噪声图像的协同定位系统的设计与实现 | 第56-67页 |
| ·引言 | 第56页 |
| ·系统框架 | 第56页 |
| ·主要功能模块的设计 | 第56-60页 |
| ·多幅图像协同显著性检测模块 | 第56-58页 |
| ·候选目标判别模块 | 第58-60页 |
| ·系统实现 | 第60-66页 |
| ·系统开发环境 | 第60-61页 |
| ·系统主要实现技术方法 | 第61页 |
| ·系统展示 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |