基于视觉注意机制的自然场景下图像目标分割
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-18页 |
| 1.2.1 图像分割的研究现状 | 第12-14页 |
| 1.2.2 视觉注意模型研究现状 | 第14-16页 |
| 1.2.3 视觉注意机制的应用现状 | 第16-18页 |
| 1.3 论文的组织结构 | 第18-19页 |
| 第2章 人类的视觉和注意机制 | 第19-29页 |
| 2.1 生物视觉的感知系统 | 第19-23页 |
| 2.1.1 人类视觉的产生 | 第19-22页 |
| 2.1.2 人类的视觉感受野 | 第22-23页 |
| 2.2 生物视觉感知的重要机制 | 第23-24页 |
| 2.3 视觉注意机制模型 | 第24-28页 |
| 2.3.1 数据驱动注意模型简介 | 第25-27页 |
| 2.3.2 任务驱动注意模型简介 | 第27页 |
| 2.3.3 两种模型的比较分析 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 自然图像预处理分析 | 第29-45页 |
| 3.1 自然图像的视觉特征 | 第30-34页 |
| 3.1.1 图像的颜色特征 | 第30-32页 |
| 3.1.2 图像的形状特征 | 第32-33页 |
| 3.1.3 图像的空间关系特征 | 第33-34页 |
| 3.2 图像的滤波处理 | 第34-40页 |
| 3.2.1 图像噪声 | 第34-35页 |
| 3.2.2 图像滤波 | 第35-38页 |
| 3.2.3 图像中值滤波算法改进 | 第38-40页 |
| 3.3 图像的阈值分割及其改进 | 第40-44页 |
| 3.3.1 阈值分割算法 | 第40-42页 |
| 3.3.2 阈值分割算法改进 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 视觉显著图提取算法研究与比较 | 第45-58页 |
| 4.1 显著图生成算法分析 | 第45-51页 |
| 4.1.1 SR算法 | 第45-46页 |
| 4.1.2 HC算法 | 第46-47页 |
| 4.1.3 RC算法 | 第47-48页 |
| 4.1.4 Itti算法 | 第48-51页 |
| 4.2 几种显著图提取方法分析比较 | 第51-52页 |
| 4.2.1 四种算法显著图提取仿真结果 | 第51页 |
| 4.2.2 四种显著图提取算法分析比较 | 第51-52页 |
| 4.3 基于改进的全频显著图提取方法研究 | 第52-56页 |
| 4.3.1 转换颜色空间 | 第53-54页 |
| 4.3.2 图像的特征提取 | 第54页 |
| 4.3.3 全频显著图特征提取改进 | 第54-55页 |
| 4.3.4 图像显著图提取 | 第55-56页 |
| 4.4 本文全频显著性算法的仿真分析 | 第56-57页 |
| 4.4.1 全频显著图算法仿真结果 | 第56-57页 |
| 4.4.2 全频显著性算法分析 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 自然图像目标分割的实现 | 第58-69页 |
| 5.1 本文分割算法流程 | 第58-59页 |
| 5.2 自然图像预处理实现 | 第59-62页 |
| 5.2.1 自然图像滤波实现 | 第59-60页 |
| 5.2.2 自然图像增强实现 | 第60-62页 |
| 5.3 融合显著图与阈值分割的图像分割实现 | 第62-68页 |
| 5.3.1 自然图像显著图提取 | 第62-63页 |
| 5.3.2 融合显著图的改进阈值分割算法实现 | 第63-64页 |
| 5.3.3 分割结果仿真分析 | 第64-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
