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

基于改进选择性视觉注意模型的语义图像分割研究

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

论文共141页,点击 下载论文
上一篇:黄土丘陵区枣林土壤性质时空特征研究
下一篇:粉纹夜蛾中肠氨肽酶N(APN)亚型的基因克隆、组织定位及表达量研究