| 第一章 绪论 | 第5-9页 |
| 1.1 主动机器视觉的背景，作用和应用前景 | 第5-6页 |
| 1.2 主动机器视觉的当前研究状况 | 第6-8页 |
| 1.3 本文要解决的问题 | 第8-9页 |
| 第二章 主动机器视觉机理模型 | 第9-18页 |
| 2.1 生物视觉信息处理模型 | 第9-10页 |
| 2.2 机器视觉信息处理模型 | 第10-11页 |
| 2.3 主动机器视觉处理模型 | 第11-12页 |
| 2.4 主动机器视觉实验平台系统 | 第12-14页 |
| 2.5 主动机器视觉系统产品化设计 | 第14-18页 |
| 第三章 注意力选择的实现及分析 | 第18-45页 |
| 3.1 引言 | 第18-19页 |
| 3.2 基于显著图的注意力选择系统的模型及实现 | 第19-30页 |
| 3.2.1 系统概述 | 第19页 |
| 3.2.2 高斯金字塔的概念及产生 | 第19-22页 |
| 3.2.3 Gabor金字塔的概念及产生 | 第22-25页 |
| 3.2.4 特征图的产生 | 第25-26页 |
| 3.2.5 标准化操作 | 第26-28页 |
| 3.2.6 显著图的产生及融合 | 第28-29页 |
| 3.2.7 基于区域加权值的路径搜索 | 第29-30页 |
| 3.3 对比分析 | 第30-34页 |
| 3.3.1 标准化方案的改进，解决原模型失效的问题 | 第30-31页 |
| 3.3.2 噪声干扰 | 第31-32页 |
| 3.3.3 “Pop-out” | 第32-33页 |
| 3.3.4 纹理背景 | 第33-34页 |
| 3.3 基于信息熵的显著图模型及实现 | 第34-43页 |
| 3.3.1 引言 | 第34页 |
| 3.3.2 模型 | 第34-39页 |
| 3.3.3 算法的实现 | 第39-41页 |
| 3.3.4 实验 | 第41-42页 |
| 3.3.5 结论 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 运动视觉原理及运动图像压缩 | 第45-77页 |
| 4.1 引言 | 第45页 |
| 4.2 图像中的编解码原理及实现 | 第45-59页 |
| 4.2.1 概述 | 第45-47页 |
| 4.2.2 颜色模式转换及采样 | 第47-48页 |
| 4.2.3 离散余弦变换(DCT) | 第48-50页 |
| 4.2.4 量化及“之”字形排序 | 第50-51页 |
| 4.2.5 1编码 | 第51-55页 |
| 4.2.6 DC、AC系数的Huffman编码 | 第55-59页 |
| 4.2.7 DC、AC系数的Huffman解码 | 第59页 |
| 4.2.8 实验分析 | 第59页 |
| 4.3 序列图象中的运动信息处理 | 第59-72页 |
| 4.3.1 运动视觉的任务和目的 | 第59-66页 |
| 4.3.2 运动信息的处理方法 | 第66-68页 |
| 4.3.3 运动估计 | 第68-71页 |
| 4.3.4 运动补偿 | 第71-72页 |
| 4.4 运动信息的编解码 | 第72-76页 |
| 4.4.1 概述 | 第72-73页 |
| 4.4.2 运动向量的编码 | 第73-74页 |
| 4.4.3 宏块类型的分类及编码的块式样 | 第74页 |
| 4.4.4 宏块类型的选择 | 第74-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 本文总结 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 摘要 | 第83-88页 |