全局显著信息指导下的轮廓编组计算模型研究

致谢	第1-6页
摘要	第6-8页
Abstract	第8-15页
1 引言	第15-25页
·问题描述	第15-16页
·研究意义	第16-17页
·国内外研究现状	第17-20页
·知觉组织的发展及研究现状	第17-18页
·注意理论的发展及研究现状	第18-20页
·轮廓编组的发展及研究现状	第20页
·本文的研究内容	第20-23页
·本文的组织结构	第23-24页
·小结	第24-25页
2 知觉组织相关理论研究综述	第25-38页
·知觉组织的认知机制	第25-30页
·格式塔知觉组织规则	第26-28页
·格式塔知觉组织规则间的关系	第28-30页
·知觉组织的神经机制	第30-33页
·人类视觉感知系统概述	第30-32页
·知觉组织在人类视觉皮层的神经机制	第32-33页
·知觉组织与注意的关系	第33-36页
·知觉组织与自然图像统计特性的关系	第36-37页
·小结	第37-38页
3 基于全局显著信息的多尺度边缘检测算法	第38-58页
·引言	第38-39页
·相关工作	第39-43页
·单特征单尺度的边缘检测算法	第40-41页
·多特征多尺度的边缘检测算法	第41-43页
·结合中、高级信息的边缘检测算法	第43页
·全局显著信息	第43-47页
·显著性计算	第44-46页
·显著区域及全局显著信息	第46-47页
·多尺度的显著边缘检测	第47-51页
·基于全局显著信息的空间先验	第47-48页
·单尺度的边缘检测	第48-49页
·多特征检测结果的组合	第49-50页
·多尺度的显著边缘检测	第50-51页
·与相关工作的比较	第51-56页
·评价标准	第51-52页
·实验结果及分析	第52-56页
·小结	第56-58页
4 轮廓编组中格式塔线索的度量与评价	第58-71页
·引言	第58-59页
·相关工作	第59-61页
·反映局部性质的编组线索的度量	第59-60页
·反映整体性质的编组线索的度量	第60-61页
·其他的相似性度量方法	第61页
·人工标注的有向边缘数据集	第61-63页
·边缘的表示	第62页
·交互式的边缘对标注	第62-63页
·格式塔线索的度量与评价	第63-70页
·格式塔线索的度量	第63-65页
·相似性度量中的参数选择	第65-69页
·与其他度量方法的比较	第69-70页
·小结	第70-71页
5 生成式的格式塔线索合并模型	第71-87页
·引言	第71页
·相关工作	第71-74页
·线性的线索合并模型	第71-73页
·生成式模型与判别式模型的区别	第73-74页
·邻近性为主导的编组概率计算	第74-76页
·自然图像中格式塔线索的统计信息	第76-79页
·邻近性的统计信息	第76-78页
·连续性与相似性的统计信息	第78-79页
·生成式的线索合并模型	第79-85页
·线性合并规则的适用范围	第79-80页
·模型描述	第80-83页
·参数估计	第83-85页
·与其他模型结果的比较	第85页
·小结	第85-87页
6 全局显著信息指导下的轮廓编组算法	第87-106页
·引言	第87-88页
·相关工作	第88-90页
·优化目标的定义	第88-89页
·优化目标的求解	第89-90页
·全局显著信息指导下的轮廓编组算法	第90-97页
·显著目标的轮廓编组	第90-92页
·显著图的构建	第92-94页
·代价函数最小值的求解	第94-97页
·轮廓编组算法的层次化——基于目标的注意模型	第97-100页
·基于目标的注意理论及模型简介	第97-98页
·基于目标的注意模型的实现	第98-100页
·实验结果及分析	第100-104页
·轮廓编组的实验	第100页
·基于目标的层次化注意模型实验	第100-104页
·小结	第104-106页
7 总结与展望	第106-109页
·全文工作总结	第106-108页
·进一步研究设想	第108-109页
参考文献	第109-121页
作者简历	第121-124页
学位论文数据集	第124页