基于显著性检测的目标识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 显著性检测 | 第11-12页 |
| 1.2.2 目标识别 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 理论基础 | 第16-23页 |
| 2.1 显著性检测模型 | 第16-17页 |
| 2.1.1 自底向上检测模型 | 第16页 |
| 2.1.2 自上而下检测模型 | 第16-17页 |
| 2.2 目标识别模型 | 第17-22页 |
| 2.2.1 图像局部特征提取 | 第17-20页 |
| 2.2.2 特征聚类 | 第20页 |
| 2.2.3 特征编码 | 第20-21页 |
| 2.2.4 SVM分类器 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于背景种子点的显著区域目标识别 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 显著性检测 | 第23-26页 |
| 3.2.1 背景种子点的选择 | 第23-24页 |
| 3.2.2 基于背景先验的显著图 | 第24-25页 |
| 3.2.3 光滑先验完善初始先验 | 第25-26页 |
| 3.3 目标识别 | 第26-27页 |
| 3.3.1 特征提取 | 第27页 |
| 3.3.2 特征编码及分类 | 第27页 |
| 3.4 实验仿真研究 | 第27-34页 |
| 3.4.1 实验设置 | 第27页 |
| 3.4.2 实验结果与分析 | 第27-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于贝叶斯模型的显著性目标识别 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 显著性检测模型 | 第35-38页 |
| 4.2.1 先验概率 | 第37页 |
| 4.2.2 观测似然概率 | 第37-38页 |
| 4.3 目标识别 | 第38-39页 |
| 4.4 实验仿真研究 | 第39-44页 |
| 4.4.1 实验设置 | 第39页 |
| 4.4.2 实验结果与分析 | 第39-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于引导学习的显著性目标识别 | 第45-56页 |
| 5.1 引言 | 第45-46页 |
| 5.2 引导学习的显著性检测模型 | 第46-50页 |
| 5.2.1 弱显著性检测模型 | 第46-47页 |
| 5.2.2 强显著性检测模型 | 第47-49页 |
| 5.2.3 多尺度显著图 | 第49页 |
| 5.2.4 融合强弱两种检测模型 | 第49-50页 |
| 5.3 目标识别 | 第50页 |
| 5.4 实验仿真研究 | 第50-55页 |
| 5.4.1 实验设置 | 第50-51页 |
| 5.4.2 实验结果与分析 | 第51-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
