| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 车辆检测研究现状 | 第9-10页 |
| 1.2.2 沙漠车辆识别现状 | 第10-11页 |
| 1.3 注意力选择机制的研究现状 | 第11-13页 |
| 1.4 单位连接脉冲耦合神经网络概述 | 第13-14页 |
| 1.5 论文的创新点 | 第14-15页 |
| 1.6 论文内容安排 | 第15-16页 |
| 第二章 注意力选择机制的研究背景 | 第16-29页 |
| 2.1 注意力选择的生物学背景 | 第16-17页 |
| 2.2 注意力选择的心理学理论 | 第17-20页 |
| 2.2.1 特征综合理论 | 第17-19页 |
| 2.2.2 引导搜索理论 | 第19-20页 |
| 2.3 注意力选择的可计算模型 | 第20-28页 |
| 2.3.1 生物可信性的NVT模型 | 第20-24页 |
| 2.3.2 基于图论的注意力选择GBVS模型 | 第24-25页 |
| 2.3.3 基于频域的SR和PFT等方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 四元数注意力选择模型在沙漠车辆检测中的应用 | 第29-37页 |
| 3.1 四元数注意力选择模型 | 第29-33页 |
| 3.1.1 四元数模型简介 | 第29-30页 |
| 3.1.2 四元数注意力选择模型 | 第30-33页 |
| 3.2 实验结果 | 第33-36页 |
| 3.2.1 实验数据库 | 第33页 |
| 3.2.2 本文模型与其他注意力选择模型的显著图车辆显著性对比 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于脉冲耦合神经网络与SIFT、HDR相融合的沙漠车辆识别 | 第37-50页 |
| 4.1 脉冲耦合神经网络 | 第37-40页 |
| 4.1.1 脉冲耦合神经网络的结构 | 第38-39页 |
| 4.1.2 单位连接的脉冲耦合神经网络 | 第39-40页 |
| 4.2 尺度不变特征向量 | 第40-42页 |
| 4.3 多层分类回归树 | 第42-43页 |
| 4.4 沙漠车辆识别算法流程 | 第43-44页 |
| 4.5 实验结果 | 第44-49页 |
| 4.5.1 显著图PCNN处理前后效果对比 | 第44-45页 |
| 4.5.2 沙漠车辆识别效果 | 第45-47页 |
| 4.5.3 其他算法对比效果 | 第47-49页 |
| 4.6 本章小节 | 第49-50页 |
| 第五章 有监督学习的四元数注意选择模型及扩展应用 | 第50-63页 |
| 5.1 四元数注意力选择模型 | 第50-52页 |
| 5.1.1 图像四元数表示 | 第51页 |
| 5.1.2 四元数傅里叶变换 | 第51页 |
| 5.1.3 相位谱信息获取 | 第51页 |
| 5.1.4 相位谱四元数傅里叶反变换 | 第51页 |
| 5.1.5 显著图计算 | 第51-52页 |
| 5.2 基于最小二乘法的学习方法 | 第52-55页 |
| 5.2.1 实验教师 | 第52-53页 |
| 5.2.2 实验结果 | 第53-55页 |
| 5.3 基于支撑向量基的学习方法 | 第55-58页 |
| 5.3.1 实验教师 | 第56-57页 |
| 5.3.2 实验结果 | 第57-58页 |
| 5.4 改进模型的扩展应用 | 第58-62页 |
| 5.4.1 实验数据库建立 | 第59页 |
| 5.4.2 实验条件 | 第59页 |
| 5.4.3 实验教师 | 第59-60页 |
| 5.4.4 实验结果 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表论文 | 第69-70页 |
| 致谢 | 第70-71页 |
