视觉选择性注意机制计算模型及其在物体识别中的应用
| 第一章 绪论 | 第1-25页 |
| ·引言 | 第12-15页 |
| ·视觉的相关背景知识 | 第15-21页 |
| ·视觉系统及视觉信息处理 | 第15-16页 |
| ·视觉选择性注意机制 | 第16-20页 |
| ·视觉选择性注意机制研究中的四个焦点 | 第18页 |
| ·视觉选择性注意机制的认知模型 | 第18-20页 |
| ·视觉物体理解 | 第20-21页 |
| ·视觉选择性注意机制计算模型的研究现状 | 第21-24页 |
| ·本文内容安排 | 第24-25页 |
| 第二章 尺度、显著性与物体识别 | 第25-40页 |
| ·视觉中的尺度问题 | 第25-31页 |
| ·传统多尺度表示的方法 | 第26-28页 |
| ·尺度空间表示 | 第28-31页 |
| ·线性尺度空间表示 | 第29-30页 |
| ·非线性尺度空间表示 | 第30-31页 |
| ·视觉显著性 | 第31-37页 |
| ·视觉注意中的竞争和协作机制 | 第32-33页 |
| ·显著性度量方法 | 第33-37页 |
| ·基于空间和特征整合的显著性度量 | 第33页 |
| ·基于物体和整合竞争假设的显著性度量 | 第33-34页 |
| ·基于几何特征的显著性度量 | 第34-35页 |
| ·基于局部复杂性的显著性度量 | 第35-36页 |
| ·基于尺度空间表示和信息论的显著性度量 | 第36页 |
| ·基于稀少性的显著性度量 | 第36页 |
| ·基于图像布局和Bayes学习与推理的思路 | 第36-37页 |
| ·视觉物体识别 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第三章 视觉选择性注意机制的计算模型 | 第40-59页 |
| ·本文模型框架 | 第40-41页 |
| ·图像描述模型和显著性度量函数 | 第41-45页 |
| ·主特征图提取 | 第42-44页 |
| ·颜色特征图提取 | 第43-44页 |
| ·方向特征图提取 | 第44页 |
| ·显著性度量函数 | 第44-45页 |
| ·特征空间显著性 | 第45-51页 |
| ·基于感受野和整合野机制的度量方法 | 第45-48页 |
| ·仿真实验 | 第48-51页 |
| ·结合尺度和特征的显著性度量 | 第51-58页 |
| ·尺度选择 | 第52-54页 |
| ·主尺度估计 | 第52页 |
| ·注视点最佳尺度选择 | 第52-54页 |
| ·结合尺度与特征引导的仿真实验 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第四章 基于视觉选择性注意的物体识别计算模型 | 第59-70页 |
| ·问题的提出 | 第59-60页 |
| ·基于局部不变性特征的物体识别 | 第60-62页 |
| ·相关的研究工作 | 第61-62页 |
| ·基于视觉注意的物体识别计算模型 | 第62-66页 |
| ·显著点检测 | 第63-65页 |
| ·显著点描述与匹配 | 第65-66页 |
| ·基于视觉注意的SIFT算法与仿真实验 | 第66-70页 |
| 第五章 结束语 | 第70-72页 |
| ·本文主要研究工作 | 第70页 |
| ·进一步的研究思路展望 | 第70-72页 |
| 参考文献 | 第72-82页 |
| 研究生期间主要科研工作及成果 | 第82页 |
