| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 课题研究的背景及意义 | 第8页 |
| §1-2 国内外发展概况 | 第8-11页 |
| §1-3 论文的主要内容和组织结构 | 第11-13页 |
| 第二章 人类视觉注意机制原理 | 第13-19页 |
| §2-1 人类的视觉的生理结构 | 第13-15页 |
| §2-2 视觉显著性 | 第15-16页 |
| §2-3 显著性度量方法 | 第16-18页 |
| 2-3-1 基于空间和特征整合的显著性度量 | 第16页 |
| 2-3-2 基于物体和整合竞争假设的显著性度量 | 第16-17页 |
| 2-3-3 基于几何特征的显著性度量 | 第17页 |
| 2-3-4 基于局部复杂性的显著性度量 | 第17页 |
| 2-3-5 基于尺度空间表示和信息论的显著性度量 | 第17页 |
| 2-3-6 基于稀少性的显著性度量 | 第17-18页 |
| 2-3-7 基于图像布局和Bayes学习与推理的思路 | 第18页 |
| §2-4 小结 | 第18-19页 |
| 第三章 基于选择性注意机制的计算模型的研究 | 第19-31页 |
| §3-1 经典视觉模型框架 | 第19-20页 |
| §3-2 图像描述模型和显著性度量函数 | 第20-26页 |
| 3-2-1 图像特征的提取 | 第21-24页 |
| 3-2-2 特征显著图的合成 | 第24-25页 |
| 3-2-3 总显著图的合成 | 第25-26页 |
| §3-3 注意焦点的转移机制 | 第26-27页 |
| §3-4 视觉注意模型的不足 | 第27-30页 |
| §3-5 小结 | 第30-31页 |
| 第四章 基于经典视觉注意计算模型的改进研究 | 第31-41页 |
| §4-1 视觉中的尺度问题 | 第31-34页 |
| §4-2 特征图的非线性尺度空间表示 | 第34-35页 |
| §4-3 显著图合并策略 | 第35-37页 |
| §4-4 全局显著性度量 | 第37-39页 |
| §4-5 注意焦点的选择 | 第39-40页 |
| §4-6 小结 | 第40-41页 |
| 第五章 基于视觉注意的感兴趣区域图像压缩 | 第41-46页 |
| §5-1 图像压缩 | 第41-42页 |
| §5-2 基于视觉选择性注意机制的图像压缩 | 第42-44页 |
| §5-3 小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| §6-1 本文研究的应用价值 | 第46页 |
| §6-2 下一步的研究方向 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |