基于视听觉信息的机器觉察与仿生智能感知方法研究
摘要 | 第4-5页 |
ABSTRACT | 第5页 |
1 绪论 | 第9-31页 |
1.1 前言 | 第9-10页 |
1.2 本文的生物学基础 | 第10-13页 |
1.2.1 人类感知系统 | 第10-11页 |
1.2.2 选择性注意机制 | 第11-13页 |
1.3 本文的研究背景及意义 | 第13-15页 |
1.4 国内外研究现状 | 第15-24页 |
1.4.1 引言 | 第15-16页 |
1.4.2 视觉觉察方法研究现状 | 第16-19页 |
1.4.3 听觉觉察方法研究现状 | 第19-22页 |
1.4.4 视听觉异质信息融合的环境感知方法研究 | 第22-24页 |
1.5 本文研究内容及章节安排 | 第24-29页 |
1.5.1 本文研究内容 | 第24-27页 |
1.5.2 论文章节安排 | 第27-29页 |
1.6 本章小结 | 第29-31页 |
2 视听觉觉察信息处理基础理论与方法 | 第31-47页 |
2.1 基于视觉显著性的目标检测方法 | 第31-35页 |
2.2 视觉目标识别和分类方法 | 第35-40页 |
2.3 显著环境声音检测与处理 | 第40-45页 |
2.3.1 环境声音的显著性检测 | 第40-41页 |
2.3.2 显著环境声音处理 | 第41-45页 |
2.4 本章小结 | 第45-47页 |
3 基于听觉显著性的环境声音检测 | 第47-71页 |
3.1 引言 | 第47-48页 |
3.2 方法概述 | 第48-50页 |
3.3 听觉显著性特征计算 | 第50-60页 |
3.3.1 全局显著性估计 | 第50-52页 |
3.3.2 时域显著性特征提取 | 第52-57页 |
3.3.3 频谱显著性特征提取 | 第57-58页 |
3.3.4 声谱图的图像显著性检测 | 第58-59页 |
3.3.5 异质显著性特征融合 | 第59-60页 |
3.4 仿真实验 | 第60-69页 |
3.5 结论 | 第69-71页 |
4 基于多尺度特征的环境声音分类识别研究 | 第71-89页 |
4.1 概述 | 第71页 |
4.2 总体研究概述 | 第71-72页 |
4.3 基于多尺度特征的显著环境声音识别 | 第72-83页 |
4.3.1 概述 | 第72页 |
4.3.2 多尺度特征计算 | 第72-75页 |
4.3.3 分类方法 | 第75-76页 |
4.3.4 模糊划分规则确定 | 第76-83页 |
4.4 实际环境声音识别实验 | 第83-86页 |
4.5 总结 | 第86-89页 |
5 基于视觉显著信息的环境前景物体觉察 | 第89-109页 |
5.1 引言 | 第89-90页 |
5.2 研究方法概述 | 第90-91页 |
5.3 基于显著环境目标检测的稀疏表示 | 第91-100页 |
5.3.1 图像特征提取 | 第91-94页 |
5.3.2 视觉显著性检测 | 第94-96页 |
5.3.3 基于前景物体性检测的稀疏表示。 | 第96-100页 |
5.3.4 融合约束 | 第100页 |
5.4 显著前景环境目标分类 | 第100-103页 |
5.4.1 概述 | 第100-102页 |
5.4.2 目标特征提取 | 第102页 |
5.4.3 模型训练 | 第102-103页 |
5.5 仿真实验 | 第103-107页 |
5.5.1 实验步骤 | 第103-105页 |
5.5.2 实验结果和讨论 | 第105-107页 |
5.6 本章小结 | 第107-109页 |
6 基于异质觉察信息融合的仿生环境感知 | 第109-129页 |
6.1 引言 | 第109-110页 |
6.2 研究概述 | 第110-111页 |
6.3 基于概率主题模型的异质信息表示模型 | 第111-115页 |
6.3.1 概率主题模型 | 第111-112页 |
6.3.2 信息几率模型 | 第112-113页 |
6.3.3 异质信息建模 | 第113-114页 |
6.3.4 环境信息的几率模型 | 第114-115页 |
6.4 基于异质信息融合的环境感知处理 | 第115-119页 |
6.4.1 概述 | 第115-116页 |
6.4.2 基于负属性的复杂场景建模 | 第116-117页 |
6.4.3 基于环境表示模型融合的知觉处理 | 第117-119页 |
6.5 实验验证 | 第119-127页 |
6.5.1 实验设置 | 第119-121页 |
6.5.2 实验结果与讨论 | 第121-124页 |
6.5.3 实际环境验证实验 | 第124-127页 |
6.6 本章小结 | 第127-129页 |
7 总结与展望 | 第129-133页 |
7.1 本文工作总结 | 第129-131页 |
7.2 研究展望 | 第131-133页 |
参考文献 | 第133-157页 |
致谢 | 第157-159页 |
攻读博士学位期间发表的学术论文和参加科研情况 | 第159-160页 |