| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 基于眼动的遥感图像目标检测 | 第12-17页 |
| 1.2.1 遥感图像目标检测技术概述 | 第12-14页 |
| 1.2.2 基于眼动的注视分析技术 | 第14-16页 |
| 1.2.3 注视分析融合机器视觉的遥感目标检测技术 | 第16-17页 |
| 1.3 课题研究内容与论文结构与安排 | 第17-19页 |
| 第二章 注视相关的遥感图像显著性分析 | 第19-35页 |
| 2.1 图像显著性检测分析方法概述 | 第19-20页 |
| 2.2 注视相关的遥感图像显著性分析方法 | 第20-23页 |
| 2.2.1. 注视相关高斯图 | 第21-22页 |
| 2.2.2. 注视相关显著性图 | 第22-23页 |
| 2.3 目标检测实验 | 第23-27页 |
| 2.3.1. 实验数据采集 | 第23-25页 |
| 2.3.2. 实验流程 | 第25-27页 |
| 2.4 实验结果与分析 | 第27-33页 |
| 2.4.1. 注视点分析 | 第27-29页 |
| 2.4.2. 图像处理结果分析 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 结合显著性与边缘信息的单目标检测 | 第35-45页 |
| 3.1 多模态信息融合的单目标检测算法概述 | 第35-38页 |
| 3.1.1 边缘信息指导超像素目标融合 | 第36-37页 |
| 3.1.2 眼动、显著性与边缘信息结合的候选框综合评分 | 第37-38页 |
| 3.2 实验结果与分析 | 第38-44页 |
| 3.2.1. 超像素融合阈值分析 | 第38-40页 |
| 3.2.2. 多模态信息目标检测结果 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 融合眼动与深度网络优化的多目标检测算法 | 第45-57页 |
| 4.1 机器学习的遥感图像目标检测方法概述 | 第45页 |
| 4.2 基于眼动信息与深度网络优化的多目标检测算法 | 第45-52页 |
| 4.2.1. 使用眼动信息缩减候选框数量 | 第46-47页 |
| 4.2.2. 使用融合注视信息的MAP算法得到显著性目标检测结果 | 第47-49页 |
| 4.2.3. 使用Loc Net优化检测精度 | 第49-52页 |
| 4.3 实验 | 第52-56页 |
| 4.3.1. 实验准备 | 第52-54页 |
| 4.3.2. 实验结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 作者简历 | 第69页 |
