| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 视觉信息认知机理的研究现状 | 第12-14页 |
| 1.3 视觉信息处理研究面临的难点 | 第14页 |
| 1.4 本文的研究内容及文章结构 | 第14-17页 |
| 第2章 视觉系统基本组织 | 第17-21页 |
| 2.1 引言 | 第17页 |
| 2.2 视觉系统的相关结构 | 第17-20页 |
| 2.2.1 眼睛的组成结构 | 第17页 |
| 2.2.2 视网膜的组织构成 | 第17-18页 |
| 2.2.3 外膝体的组织构成 | 第18-19页 |
| 2.2.4 大脑视觉皮层 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 脉冲耦合神经网络及在图像处理上的应用 | 第21-33页 |
| 3.1 引言 | 第21页 |
| 3.2 脉冲耦合神经网络(PCNN)简介 | 第21-24页 |
| 3.2.1 生物神经元模型 | 第22-23页 |
| 3.2.2 脉冲耦合神经元简化模型及工作原理 | 第23-24页 |
| 3.3 脉冲耦合神经网络在图像处理上的应用 | 第24-32页 |
| 3.3.1 PCNN的特性分析 | 第25页 |
| 3.3.2 基于PCNN模型的噪声滤波器 | 第25-27页 |
| 3.3.3 实验与分析 | 第27-28页 |
| 3.3.4 基于PCNN的图像分割 | 第28-29页 |
| 3.3.5 实验与分析 | 第29-30页 |
| 3.3.6 基于PCNN的图像边缘检测 | 第30-31页 |
| 3.3.7 实验与分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 视觉注意机制及其计算模型的对比 | 第33-45页 |
| 4.1 引言 | 第33页 |
| 4.2 视觉注意机制简介 | 第33-35页 |
| 4.2.1 自底向上（数据驱动）的视觉注意模型 | 第34页 |
| 4.2.2 自上而下(任务驱动)的视觉注意模型) | 第34-35页 |
| 4.3 可计算的视觉注意机制模型 | 第35-41页 |
| 4.3.1 Itti-koch模型 | 第35-37页 |
| 4.3.2 基于信息论的IG模型算法 | 第37-39页 |
| 4.3.3 光谱剩余假说 | 第39-41页 |
| 4.4 六种视觉注意模型的对比实验 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于视觉注意及PCNN的图像局部特征点匹配识别 | 第45-63页 |
| 5.1 引言 | 第45页 |
| 5.2 图像物体识别的思路与框架 | 第45-49页 |
| 5.2.1 局部特征提取技术 | 第46-48页 |
| 5.2.2 局部特征点匹配 | 第48-49页 |
| 5.3 局部图像特征算法 | 第49-55页 |
| 5.3.1 SIFT(Scale Invariant Feature Tranform)特征描述 | 第49-51页 |
| 5.3.2 PCA-SIFT算法 | 第51页 |
| 5.3.3 SURF算法 | 第51-53页 |
| 5.3.4 ORB(Oriented Brief)算法 | 第53-55页 |
| 5.4 常用特征点匹配算法比较 | 第55-56页 |
| 5.5 目标物体提取与匹配 | 第56-60页 |
| 5.6 物体匹配识别系统 | 第60-61页 |
| 5.7 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
