视觉感知的稀疏编码理论及其应用研究
摘要 | 第1-13页 |
第一章 引言 | 第13-21页 |
·研究背景与意义 | 第13-14页 |
·研究现状概述 | 第14-16页 |
·本文的主要贡献 | 第16-19页 |
·论文的组织 | 第19-21页 |
第二章 人类视觉感知系统及有效编码概述 | 第21-39页 |
·什么是视觉感知 | 第21-23页 |
·外部环境的输入刺激 | 第21-22页 |
·神经信息处理机制 | 第22页 |
·视感官系统的输出 | 第22-23页 |
·人类视觉感知系统 | 第23-27页 |
·人类视觉系统的初级视觉通道 | 第23-24页 |
·神经细胞感受野特性 | 第24-26页 |
·人类视觉系统的特点 | 第26-27页 |
·有效编码概述 | 第27-38页 |
·自然图像统计特性 | 第27-30页 |
·有效编码研究进展 | 第30-36页 |
·有效编码研究面临的挑战 | 第36-37页 |
·有效编码理论的应用 | 第37-38页 |
·小结 | 第38-39页 |
第三章 面向知觉任务的稀疏编码模型 | 第39-57页 |
·引言 | 第39-40页 |
·相关工作 | 第40-42页 |
·线性叠加模型 | 第40-41页 |
·稀疏编码模型 | 第41-42页 |
·冗余可辨别的系数空间 | 第42-43页 |
·面向分类任务的稀疏编码模型 | 第43-46页 |
·判别约束 | 第43-45页 |
·学习算法 | 第45-46页 |
·仿真结果 | 第46-51页 |
·预处理和实验条件 | 第46-47页 |
·仿真结果 | 第47-51页 |
·参数分析 | 第51-54页 |
·对稀疏性能的影响 | 第51-52页 |
·对重构误差的影响 | 第52-53页 |
·对分类准确性的影响 | 第53-54页 |
·讨论 | 第54-55页 |
·小结 | 第55-57页 |
第四章 双层反馈稀疏编码模型 | 第57-77页 |
·引言 | 第57-58页 |
·相关工作 | 第58-63页 |
·独立成份分析方法 | 第59-62页 |
·基于ICA的稀疏编码模型 | 第62-63页 |
·多层感知机 | 第63页 |
·双层反馈稀疏编码模型 | 第63-69页 |
·TLF-SC模型概述 | 第64-66页 |
·TLF-SC网络模型训练算法 | 第66-69页 |
·仿真结果 | 第69-74页 |
·模拟数据仿真 | 第70-71页 |
·自然图像数据仿真 | 第71-74页 |
·小结 | 第74-77页 |
第五章 基于注意选择机制的稀疏编码模型 | 第77-95页 |
·引言 | 第77-78页 |
·相关工作 | 第78-81页 |
·稀疏编码模型 | 第78-79页 |
·注意选择机制研究现状 | 第79-81页 |
·基于注意机制的稀疏编码模型 | 第81-88页 |
·模型概述 | 第81-82页 |
·非均匀采样注意模块 | 第82-83页 |
·基于响应显著度的注意模块 | 第83-86页 |
·注意选择策略 | 第86-88页 |
·实验结果 | 第88-93页 |
·仿真环境和设置 | 第88-89页 |
·仿真结果 | 第89-92页 |
·参数分析 | 第92-93页 |
·小结 | 第93-95页 |
第六章 基于稀疏编码模型的纹理特征分析 | 第95-115页 |
·引言 | 第95-96页 |
·纹理特征的相关工作 | 第96-102页 |
·Tamura纹理特征 | 第96-98页 |
·自回归纹理模型 | 第98页 |
·小波和Gabor纹理特征 | 第98-100页 |
·纹理谱特征 | 第100-102页 |
·ICA系数纹理特征 | 第102-109页 |
·纹理感知理论和模型 | 第102-103页 |
·ICA系数纹理特征表示和抽取 | 第103-107页 |
·几种纹理特征的分析与比较 | 第107-108页 |
·距离测度 | 第108-109页 |
·ICA系数纹理特征的图像检索实验 | 第109-114页 |
·实验环境 | 第109-110页 |
·评价准则 | 第110页 |
·性能比较 | 第110-114页 |
·小结 | 第114-115页 |
第七章 结束语 | 第115-119页 |
·本文的主要贡献 | 第115-117页 |
·下一步研究方向 | 第117-119页 |
附录A Gabor滤波器 | 第119-123页 |
附录B 定理证明 | 第123-125页 |
参考文献 | 第125-137页 |
致谢 | 第137-139页 |
作者简历 | 第139-140页 |