视觉注意机制及其在场景分类中的应用
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-13页 |
| ·视觉选择性注意机制 | 第12页 |
| ·自然场景分类 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·视觉注意机制的研究现状 | 第13-15页 |
| ·场景分类的研究现状 | 第15-16页 |
| ·研究目标与内容 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 第2章 本文相关的研究工作 | 第18-26页 |
| ·人眼视觉系统 | 第18-19页 |
| ·视觉注意机制 | 第19-22页 |
| ·自底向上的视觉注意 | 第19-21页 |
| ·自顶向下的视觉注意 | 第21-22页 |
| ·主题模型 | 第22-25页 |
| ·概率潜在语义分析模型 | 第22-24页 |
| ·隐含狄利克雷分配模型 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于自然统计特性的多尺度视觉显著性模型 | 第26-36页 |
| ·模型的整体框架 | 第26页 |
| ·视觉显著性 | 第26-35页 |
| ·静态图像视觉显著性 | 第26-31页 |
| ·静态图像中显著性结果和比较 | 第31-32页 |
| ·动态视频的显著性 | 第32-33页 |
| ·动态视频中显著性结果和比较 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 视觉注意机制在场景中的分类 | 第36-44页 |
| ·显著性区域提取 | 第36页 |
| ·基于视觉注意机制的场景分类 | 第36-42页 |
| ·视觉词袋模型 | 第36-37页 |
| ·基于pLSA模型的分类方法 | 第37-39页 |
| ·贝叶斯分类器 | 第39页 |
| ·支持向量机（SVM)分类器 | 第39-41页 |
| ·结果分析与比较 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| ·论文总结 | 第44-45页 |
| ·工作展望 | 第45-46页 |
| 附录 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |
