| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 立体视觉研究现状 | 第10页 |
| 1.2.2 显著性检测技术的发展 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 组织结构 | 第12-13页 |
| 第2章 立体视觉理论基础 | 第13-18页 |
| 2.1 相机成像模型 | 第13-15页 |
| 2.1.1 摄像机投影矩阵 | 第13-14页 |
| 2.1.2 相机内方位元素 | 第14页 |
| 2.1.3 相机外方位元素 | 第14-15页 |
| 2.2 核线几何模型 | 第15-16页 |
| 2.3 基本矩阵与本质矩阵 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 立体视觉中的特征匹配 | 第18-27页 |
| 3.1 特征点提取与初匹配 | 第18-21页 |
| 3.1.1 尺度不变特征变换（SIFT）检测算子 | 第18-20页 |
| 3.1.2 SURF检测算子 | 第20-21页 |
| 3.2 立体匹配评价准则 | 第21页 |
| 3.3 基于RANSAC算法的影像精匹配 | 第21-23页 |
| 3.3.1 RANSAC基本思想 | 第21-22页 |
| 3.3.2 改进的RANSAC算法的影像精匹配 | 第22-23页 |
| 3.4 实验分析 | 第23-26页 |
| 3.4.1 SIFT与SURF检测算子相关实验比较 | 第23-25页 |
| 3.4.2 改进的RANSAC算法的影像精匹配 | 第25-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第4章 视觉显著性检测 | 第27-46页 |
| 4.1 视觉注意机制 | 第27-29页 |
| 4.1.1 Treisman特征融合理论 | 第27-28页 |
| 4.1.2 Koch神经生物学框架 | 第28-29页 |
| 4.2 视觉显著性检测原理 | 第29-30页 |
| 4.3 视觉显著性图像检测 | 第30-39页 |
| 4.3.1 基于生物视觉显著性模型的检测（IT算法） | 第30-33页 |
| 4.3.2 基于纯粹数学计算的方法（AC算法） | 第33-35页 |
| 4.3.3 基于频率调谐的显著性检测（FT算法） | 第35-36页 |
| 4.3.4 基于直方图对比度的显著性检测（HC算法） | 第36-38页 |
| 4.3.5 改进的FT算法 | 第38-39页 |
| 4.4 视觉显著性检测评价 | 第39-45页 |
| 4.4.1 显著性检测评价指标 | 第39-41页 |
| 4.4.2 显著性检测评价 | 第41-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于显著性检测区域的匹配 | 第46-56页 |
| 5.1 基于显著性检测的图像分割 | 第46-47页 |
| 5.1.1 显著性提取 | 第46-47页 |
| 5.1.2 显著性分割 | 第47页 |
| 5.2 基于显著性区域的特征匹配 | 第47-48页 |
| 5.3 实验分析 | 第48-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结和展望 | 第56-58页 |
| 总结 | 第56页 |
| 展望 | 第56-58页 |
| 发表论文及科研情况 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
