| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-25页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 目标检测与识别方法研究现状 | 第13-16页 |
| 1.3 生物视觉注意机制研究现状 | 第16-21页 |
| 1.4 本文的主要工作与贡献 | 第21-23页 |
| 1.5 课题来源及章节安排 | 第23-25页 |
| 2 基于拉普拉斯正则化核回归模型的显著目标检测 | 第25-52页 |
| 2.1 引言 | 第25-26页 |
| 2.2 相关研究工作概述 | 第26-27页 |
| 2.3 基于LKR模型的显著目标检测 | 第27-32页 |
| 2.4 实验结果及其分析 | 第32-50页 |
| 2.5 本章小结 | 第50-52页 |
| 3 基于张量模型的时空显著目标检测 | 第52-64页 |
| 3.1 引言 | 第52-54页 |
| 3.2 相关工作研究现状 | 第54-55页 |
| 3.3 张量距离(TD)计算 | 第55-56页 |
| 3.4 基于张量模型的时空显著性计算 | 第56-59页 |
| 3.5 实验结果及其分析 | 第59-63页 |
| 3.6 本章小结 | 第63-64页 |
| 4 基于直线和区域显著性融合的目标检测技术 | 第64-85页 |
| 4.1 引言 | 第64-65页 |
| 4.2 显著目标检测框架 | 第65-66页 |
| 4.3 自底向上的显著性计算 | 第66-78页 |
| 4.4 自顶向下的显著目标计算 | 第78-79页 |
| 4.5 实验结果与分析 | 第79-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于变形卷积神经网络多层次感知特征融合的目标检测技术 | 第85-104页 |
| 5.1 引言 | 第85-87页 |
| 5.2 相关研究工作 | 第87-88页 |
| 5.3 基于变形卷积网络的遥感目标检测 | 第88-93页 |
| 5.4 实验数据集与评价指标 | 第93-94页 |
| 5.5 舰船目标检测实验结果与分析 | 第94-100页 |
| 5.6 飞机目标检测结果及分析 | 第100-103页 |
| 5.7 本章小结 | 第103-104页 |
| 6 总结与展望 | 第104-108页 |
| 6.1 本文的研究工作总结 | 第104-105页 |
| 6.2 本文的主要创新点 | 第105-107页 |
| 6.3 后续研究工作展望 | 第107-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-126页 |
| 附录1 作者在攻读博士学位期间科研成果 | 第126-128页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第128-130页 |
| 附录3 作者在攻读博士学位期间参与的项目 | 第130-131页 |