| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.3 论文主要工作和创新点 | 第18-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第2章 基础知识与关联研究 | 第22-40页 |
| 2.1 图像显著区域检测 | 第22-33页 |
| 2.1.1 底层视觉特征提取 | 第22-25页 |
| 2.1.2 图像显著性计算 | 第25-33页 |
| 2.2 图像局部不变性特征检测及其描述方法 | 第33-38页 |
| 2.2.1 角点特征检测方法 | 第33-36页 |
| 2.2.2 二进制位串描述方法 | 第36-38页 |
| 2.3 本章小结 | 第38-40页 |
| 第3章 基于频域信息和频率调谐的感兴趣区域检测 | 第40-62页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于频域信息的图像显著性检测 | 第41-48页 |
| 3.2.1 HFT算法 | 第41-43页 |
| 3.2.2 改进的频域HFT算法 | 第43-48页 |
| 3.3 基于频率调谐的图像显著性检测 | 第48-50页 |
| 3.3.1 FT算法 | 第48-49页 |
| 3.3.2 MSSS算法 | 第49页 |
| 3.3.3 改进的频率调谐MSSS算法 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-54页 |
| 3.4.1 实验设置 | 第50-52页 |
| 3.4.2 实验结果对比分析 | 第52-54页 |
| 3.5 复杂场景下交通标志检测应用 | 第54-60页 |
| 3.5.1 交通标志检测中IHFT和IMSSS算法的特点分析 | 第54-56页 |
| 3.5.2 基于视网膜滤波模型的图像清晰度提高 | 第56-57页 |
| 3.5.3 基于IHFT和IMSSS相结合的交通标志检测算法 | 第57-59页 |
| 3.5.4 实验结果 | 第59-60页 |
| 3.6 本章小结 | 第60-62页 |
| 第4章 基于对数-螺旋局部不变性特征的低分辨率图像匹配 | 第62-84页 |
| 4.1 引言 | 第62-64页 |
| 4.2 LOS-K：对数-螺旋局部不变性特征 | 第64-74页 |
| 4.2.1 局部不变性特征检测 | 第64-71页 |
| 4.2.2 局部不变性特征描述 | 第71-74页 |
| 4.2.3 局部不变性特征匹配 | 第74页 |
| 4.3 低分辨率图像匹配实验分析 | 第74-83页 |
| 4.3.1 对数螺旋特征检测采样模式的采样点数目设定 | 第75-77页 |
| 4.3.2 对数-螺旋局部特征的视点、尺度和旋转不变性测试 | 第77-80页 |
| 4.3.3 基于对数-螺旋局部特征的复杂背景下交通标志匹配 | 第80-83页 |
| 4.4 本章小结 | 第83-84页 |
| 第5章 基于注意-识别融合模型的目标识别 | 第84-110页 |
| 5.1 引言 | 第84-85页 |
| 5.2 ARF模型 | 第85-97页 |
| 5.2.1 预注意阶段 | 第86-93页 |
| 5.2.2 注意-识别阶段 | 第93-96页 |
| 5.2.3 基于ARF模型的目标识别算法 | 第96-97页 |
| 5.3 实验结果与分析 | 第97-108页 |
| 5.3.1 实验数据 | 第97-99页 |
| 5.3.2 ARF模型的性能评价 | 第99-103页 |
| 5.3.3 基于ARF模型的目标识别系统性能评价 | 第103-104页 |
| 5.3.4 基于ARF模型的交通标志识别 | 第104-108页 |
| 5.4 本章小结 | 第108-110页 |
| 第6章 总结与展望 | 第110-112页 |
| 6.1 全文总结 | 第110-111页 |
| 6.2 工作展望 | 第111-112页 |
| 参考文献 | 第112-121页 |
| 攻读博士学位期间主要的研究成果 | 第121页 |
