视觉显著性在草图目标检测中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-19页 |
| 1.2.1 视觉显著性的研究现状 | 第13-16页 |
| 1.2.2 视觉显著性模型的应用现状 | 第16-17页 |
| 1.2.3 草图检索的研究现状 | 第17-19页 |
| 1.3 论文主要研究内容及结构安排 | 第19-21页 |
| 第2章 视觉注意机制与图像特征 | 第21-35页 |
| 2.1 人类视觉感知系统 | 第21-24页 |
| 2.1.1 人类的视觉生理学基础 | 第21-23页 |
| 2.1.2 人类的视觉感受野 | 第23-24页 |
| 2.2 视觉注意机制模型 | 第24-27页 |
| 2.2.1 数据驱动的注意模型 | 第25-26页 |
| 2.2.2 任务驱动的注意模型 | 第26-27页 |
| 2.3 图像特征研究 | 第27-33页 |
| 2.3.1 图像的全局特征 | 第27-31页 |
| 2.3.2 图像的局部特征 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 视觉显著性检测算法研究 | 第35-52页 |
| 3.1 四种典型的目标显著性检测算法 | 第35-41页 |
| 3.1.1 Itti算法 | 第35-37页 |
| 3.1.2 SR算法 | 第37-39页 |
| 3.1.3 CAS算法 | 第39-40页 |
| 3.1.4 GBVS算法 | 第40-41页 |
| 3.2 四种算法的实验结果分析 | 第41-43页 |
| 3.2.1 仿真结果分析 | 第41-42页 |
| 3.2.2 显著性算法综合分析 | 第42-43页 |
| 3.3 新的显著性检测算法研究 | 第43-49页 |
| 3.3.1 局部处理 | 第43-45页 |
| 3.3.2 全局处理 | 第45-47页 |
| 3.3.3 空间权重 | 第47-48页 |
| 3.3.4 新的目标显著性检测算法流程 | 第48-49页 |
| 3.4 新的目标显著性检测算法的实验分析 | 第49-50页 |
| 3.4.1 显著图的比较 | 第49-50页 |
| 3.4.2 目标显著性检测算法的性能评估 | 第50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 草图检索预处理和特征提取 | 第52-71页 |
| 4.1 目标轮廓提取算法 | 第52-55页 |
| 4.1.1 Canny边缘检测 | 第52-53页 |
| 4.1.2 Berkeley边界检测 | 第53-54页 |
| 4.1.3 两种算法的比较分析 | 第54-55页 |
| 4.2 SIFT特征提取算法 | 第55-63页 |
| 4.2.1 尺度空间的建立 | 第55-58页 |
| 4.2.2 特征点的定位 | 第58-60页 |
| 4.2.3 特征点的方向确定 | 第60-61页 |
| 4.2.4 特征描述子的生成 | 第61-63页 |
| 4.3 一种改进的SIFT算法 | 第63-67页 |
| 4.3.1 构建高斯尺度空间 | 第63-64页 |
| 4.3.2 基于显著区域的特征点检测 | 第64-65页 |
| 4.3.3 特征描述子的生成 | 第65-67页 |
| 4.4 基于改进的SIFT特征匹配 | 第67-70页 |
| 4.4.1 K-D树 | 第67-68页 |
| 4.4.2 实验结果与分析 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 显著性检测在草图检索中的应用 | 第71-78页 |
| 5.1 草图图像的获取 | 第73页 |
| 5.2 特征提取 | 第73-75页 |
| 5.2.1 草图特征提取 | 第73-74页 |
| 5.2.2 显著图的特征提取 | 第74-75页 |
| 5.3 实验结果与分析 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第85-86页 |
| 致谢 | 第86-87页 |
