摘要 | 第1-9页 |
ABSTRACT | 第9-15页 |
第一章 绪论 | 第15-36页 |
·选题目的与意义 | 第15-16页 |
·国内外研究现状 | 第16-32页 |
·选择性视觉注意模型研究现状 | 第16-25页 |
·图像分割理论研究现状 | 第25-32页 |
·研究的主要内容与方法 | 第32-34页 |
·主要的研究内容及目标 | 第32-33页 |
·研究的主要方法 | 第33-34页 |
·论文内容的组织安排结构 | 第34-36页 |
第二章 PCNN 图像分割理论和选择性视觉注意模型评价方法 | 第36-55页 |
·PCNN 图像处理 | 第36-44页 |
·人工神经网络的三代划分 | 第36页 |
·PCNN 模型及其简化 | 第36-41页 |
·PCNN 模型在图像处理中的应用 | 第41-44页 |
·选择性视觉注意模型评价方法 | 第44-54页 |
·心理学预注意特征图像集 | 第44页 |
·SIMPLIcity 图像集 | 第44页 |
·眼动数据图像集及其数字化指标 | 第44-50页 |
·手工标注显著目标物的图像集及其数字化指标 | 第50-53页 |
·均方差和 t-test 的引入 | 第53-54页 |
·本章小结 | 第54-55页 |
第三章 选择性视觉注意模型与 PCNN 整合方法与技术研究 | 第55-87页 |
·HVS 的生理特性 | 第55-60页 |
·视觉刺激 | 第55页 |
·视觉感官 | 第55-57页 |
·视觉通道 | 第57页 |
·视觉中枢 | 第57-60页 |
·视觉感知 | 第60页 |
·STB/Itti 模型 | 第60-73页 |
·高斯金字塔分解 | 第61-65页 |
·特征图的生成 | 第65页 |
·特征图的合并策略 | 第65-70页 |
·关注图的生成 | 第70-71页 |
·显著图的生成 | 第71页 |
·注视焦点和感兴趣区域的提取 | 第71-73页 |
·STB/Itti+PCNN 整合模型 | 第73-80页 |
·STB/Itti+PCNN 整合模型的提出 | 第73-77页 |
·STB/Itti+PCNN 整合模型的工作流程 | 第77-80页 |
·实验结果及分析 | 第80-85页 |
·视觉对比实验结果及分析 | 第80-82页 |
·AUC 对比实验结果及分析 | 第82页 |
·鲁棒性检测结果及分析 | 第82-85页 |
·本章小结 | 第85-87页 |
第四章 最佳语义图像分割方法研究 | 第87-110页 |
·GBVS 模型及其性能比较分析 | 第87-101页 |
·GBVS 模型概述 | 第87-90页 |
·GBVS 与其它 SVAM 在效果与性能上的比较 | 第90-101页 |
·GBVS+PCNN 整合模型 | 第101-106页 |
·接收输入域 | 第101-102页 |
·调制链接域 | 第102页 |
·脉冲产生域 | 第102-105页 |
·显著区域自动判别算法 | 第105-106页 |
·实验结果及分析 | 第106-109页 |
·视觉效果对比 | 第107页 |
·性能指标对比 | 第107-109页 |
·运行时间对比 | 第109页 |
·本章小结 | 第109-110页 |
第五章 可硬件实现的实时语义图像分割方法研究 | 第110-124页 |
·PQFT 模型 | 第110-116页 |
·PQFT 模型概述 | 第110-115页 |
·改进 PQFT 模型 | 第115-116页 |
·IPQFT+PCNN 整合模型 | 第116-117页 |
·接收输入域 | 第116-117页 |
·显著区域自动判别算法 | 第117页 |
·实验结果及分析 | 第117-120页 |
·视觉效果试验结果与对比 | 第117页 |
·性能指标实验结果与分析 | 第117-119页 |
·运行时间对比 | 第119页 |
·鲁棒性检测结果 | 第119-120页 |
·综合评分对比 | 第120-123页 |
·本章小结 | 第123-124页 |
第六章 结论与展望 | 第124-126页 |
·结论 | 第124-125页 |
·展望 | 第125-126页 |
参考文献 | 第126-137页 |
附录 | 第137-138页 |
缩略词 | 第138-140页 |
致谢 | 第140-141页 |
作者简介 | 第141页 |