| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题背景 | 第10-11页 |
| ·生理视觉的研究现状和发展趋势简介 | 第11-13页 |
| ·类识别方法面临的主要问题以及相关模型 | 第13-16页 |
| ·本文的研究内容和结构安排 | 第16-17页 |
| 第二章 视觉目标识别的HMAX 模型 | 第17-37页 |
| ·不变性感知以及HMAX 模型 | 第17-27页 |
| ·腹侧流的视觉生理 | 第18页 |
| ·建立视觉目标识别的计算机制所需要解决的几个问题 | 第18-21页 |
| ·HMAX 模型的具体实现 | 第21-27页 |
| ·其他流行的识别算法以及与HMAX 模型的联系与区别 | 第27-33页 |
| ·尺度空间与兴趣点检测 | 第28-31页 |
| ·不变性局部特征描述 | 第31-32页 |
| ·特征袋方法 | 第32-33页 |
| ·目标检测实验 | 第33-35页 |
| ·HMAX 模型可能的改进 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第三章 图概率模型及其在计算机视觉中的应用 | 第37-54页 |
| ·图及其基本性质 | 第37-42页 |
| ·条件独立性和无向图 | 第37-40页 |
| ·无环有向图 | 第40-42页 |
| ·图概率模型及其在视觉领域的应用实例 | 第42-53页 |
| ·Bayesian 网络 | 第42-48页 |
| ·条件随机场(CRF) | 第48-52页 |
| ·高斯马尔科夫随机场(GMRF) | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 用GMRF 建模局部特征的空间关系 | 第54-63页 |
| ·模型介绍 | 第54-58页 |
| ·关键点数据的获取 | 第55-56页 |
| ·用GMRF 建模先验空间配置 | 第56-57页 |
| ·基于GMRF 的目标检测 | 第57-58页 |
| ·实验设计与结果 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-66页 |
| ·文章总结 | 第63-64页 |
| ·未来工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者在学期间取得的学术成果 | 第73页 |