首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于注意力选择机制的图像分割与场景理解

摘要第1-7页
ABSTRACT第7-15页
第一章 绪论第15-25页
   ·场景理解研究现状第17-19页
     ·场景分类第17页
     ·物体识别第17-18页
     ·场景分析第18-19页
   ·显著性检测研究现状第19-20页
     ·自底而上的显著性检测方法第19-20页
     ·自顶向下的显著性检测方法第20页
     ·综合性显著性检测方法第20页
   ·图像分割研究现状第20-22页
     ·传统的图像分割方法第21页
     ·基于水平集的图像分割第21页
     ·基于MRF 的图像分割第21-22页
   ·图像标注研究现状第22页
   ·基于注意力选择机制的场景分类系统第22-23页
   ·本文的研究内容和组织结构第23-25页
第二章 基于显著性检测的场景图片预处理第25-38页
   ·Itti’s 显著性特征检测第25-28页
   ·基于图的显著性检测(GBVS)第28-29页
     ·马尔可夫链的定义第28页
     ·GBVS第28-29页
   ·基于频域信息的显著性检测第29-31页
   ·基于稀疏编码的显著性检测第31-33页
     ·稀疏编码第31-32页
     ·时空域中心邻域结构第32-33页
   ·改进的基于稀疏编码的显著性检测模型第33-34页
     ·模型建立第33-34页
     ·显著性物体判定第34页
   ·实验设置及结果分析第34-37页
     ·实验设置第34-35页
     ·实验结果分析第35-37页
   ·本章小结第37-38页
第三章 自然场景中的多目标提取第38-58页
   ·马尔可夫随机场模型第38-41页
     ·MRF 与邻域系统第38-39页
     ·Gibbs 随机场及Markov-Gibbs 等价性第39-40页
     ·基于MRF 的图像分割理论框架第40-41页
   ·MRF 模型的解法第41-46页
     ·基于图割(Graph-Cut)的方法第41-43页
     ·GrabCut第43-46页
   ·基于IOR 选择机制的多目标提取第46-47页
   ·基于轮廓信息的图像边缘修正第47-51页
     ·P_b轮廓检测第48-51页
     ·基于轮廓信息的图像分割的进一步校正第51页
   ·基于显著性及MRF 的多目标图像分割第51-52页
   ·实验结果及分析第52-57页
     ·实验设置第52页
     ·实验结果及分析第52-57页
   ·本章小结第57-58页
第四章 基于局部特征和物体检测的图像标注第58-73页
   ·局部特征提取第58-61页
     ·Harris 角点检测第58-60页
     ·DOG 算子第60-61页
   ·场景图像的局部特征描述第61-64页
     ·SIFT 局部特征描述第61-63页
     ·SURF 局部特征描述第63-64页
   ·利用物体滤波器做图像标注第64-66页
     ·什么是物体滤波器第65-66页
     ·物体滤波器的选择第66页
   ·实验结果及分析第66-72页
     ·实验设置第66-68页
     ·基于图像分割的初步标注第68-70页
     ·基于物体检测的进一步标注第70-72页
   ·本章小结第72-73页
第五章 场景分类第73-91页
   ·利用GIST 进行场景分类第73-76页
   ·空间金字塔匹配算法(SPM)第76-79页
   ·基于概率生成模型的场景分类第79-87页
     ·模型概念第79-82页
     ·种典型的概率图模型第82-84页
     ·LDA 模型的参数估计和推理第84-87页
   ·实验设置与结果分析第87-90页
     ·实验设置第87-88页
     ·实验结果与分析第88-90页
   ·本章小结第90-91页
第六章 总结与展望第91-92页
   ·主要工作和创新点第91页
   ·后期工作第91-92页
参考文献第92-95页
致谢第95-96页
攻读硕士学位期间已发表或录用的论文第96页

论文共96页,点击 下载论文
上一篇:三维几何特征双边平滑在脑模型分割中的应用
下一篇:实时公交信息服务关键技术研究