| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-39页 |
| 1.1 研究目的及意义 | 第13-15页 |
| 1.2 研究现状 | 第15-36页 |
| 1.2.1 特征提取 | 第15-23页 |
| 1.2.2 视觉显著性 | 第23-29页 |
| 1.2.3 区域匹配 | 第29-31页 |
| 1.2.4 目标识别 | 第31-36页 |
| 1.3 论文的主要研究内容 | 第36-38页 |
| 1.4 论文的组织和安排 | 第38-39页 |
| 2 基于特征匹配的区域显著性方法 | 第39-63页 |
| 2.1 引言 | 第39-40页 |
| 2.2 基于Kullback-Leibler散度的区域显著性方法框架 | 第40-42页 |
| 2.3 基于特征匹配的区域显著性方法 | 第42-48页 |
| 2.3.1 区域特征提取 | 第43-44页 |
| 2.3.2 基于椭圆对称分布及高斯对数分布的联合概率密度函数建模方法 | 第44-46页 |
| 2.3.3 条件概率密度函数估计 | 第46-48页 |
| 2.3.4 基于K-L散度的区域显著性计算模型 | 第48页 |
| 2.4 实验与分析 | 第48-60页 |
| 2.4.1 实验设置 | 第48-50页 |
| 2.4.2 一维概率密度函数f的估计比较 | 第50-53页 |
| 2.4.3 区域显著性图 | 第53-55页 |
| 2.4.4 自然场景图像中区域显著性与特征匹配关系分析 | 第55-58页 |
| 2.4.5 Middlebury 2005上的实验结果与分析 | 第58-60页 |
| 2.5 本章小结 | 第60-63页 |
| 3 基于离散样本K-L散度估计的区域显著性方法 | 第63-83页 |
| 3.1 引言 | 第63页 |
| 3.2 基于离散样本K-L散度估计的区域显著性方法 | 第63-71页 |
| 3.2.1 基于离散样本的K-L散度估计 | 第64-69页 |
| 3.2.2 简化的区域显著性方法 | 第69-71页 |
| 3.3 实验与分析 | 第71-81页 |
| 3.3.1 仿真数据集上的实验与分析 | 第72-74页 |
| 3.3.2 Middlebury 2006数据集上的实验与分析 | 第74-77页 |
| 3.3.3 Middlebury 2005数据集上的实验与分析 | 第77页 |
| 3.3.4 纹理图像上的实验与分析 | 第77-80页 |
| 3.3.5 SIFT特征向量上的实验与分析 | 第80-81页 |
| 3.4 本章小结 | 第81-83页 |
| 4 基于目标识别的区域显著性方法 | 第83-101页 |
| 4.1 引言 | 第83页 |
| 4.2 基于区分性的区域显著性方法 | 第83-85页 |
| 4.3 基于区分性和匹配有效性的区域显著性方法 | 第85-90页 |
| 4.3.1 区域的表示性 | 第86-87页 |
| 4.3.2 区域的区分性 | 第87-88页 |
| 4.3.3 区域的匹配有效性 | 第88-90页 |
| 4.3.4 基于区域显著性的目标识别 | 第90页 |
| 4.4 实验与分析 | 第90-98页 |
| 4.4.1 显著性区域针对感兴趣目标的区分性实验与分析 | 第91-92页 |
| 4.4.2 基于显著性区域的特征匹配实验与分析 | 第92-94页 |
| 4.4.3 基于显著性区域的目标识别实验与分析 | 第94-98页 |
| 4.5 本章小结 | 第98-101页 |
| 5 总结与展望 | 第101-105页 |
| 5.1 论文主要工作内容和创新点 | 第101-103页 |
| 5.2 未来工作展望 | 第103-105页 |
| 参考文献 | 第105-117页 |
| 致谢 | 第117-119页 |
| 攻读博士学位期间发表的学术论文和参加科研情况 | 第119-121页 |
