基于视觉显著性的目标识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外相关领域研究现状 | 第11-15页 |
| ·机器学习 | 第11-12页 |
| ·自然场景目标识别研究发展概况 | 第12-13页 |
| ·机器视觉的应用现状 | 第13-14页 |
| ·基于视觉的目标识别问题中的难点 | 第14-15页 |
| ·研究内容与结构安排 | 第15-17页 |
| 第二章 视觉感知和视觉选择性注意机制 | 第17-24页 |
| ·视觉感知 | 第17-18页 |
| ·外部环境的输入刺激 | 第17-18页 |
| ·神经信息处理机制 | 第18页 |
| ·视觉感知的输出 | 第18页 |
| ·注意机制概述 | 第18-19页 |
| ·视觉注意机制模型 | 第19-22页 |
| ·自底向上的视觉注意机制模型 | 第20-21页 |
| ·自顶向下的视觉注意机制模型 | 第21-22页 |
| ·视觉注意在机器视觉中的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于 Lab 颜色模型的显著区域提取 | 第24-34页 |
| ·常用颜色模型介绍 | 第24-28页 |
| ·RGB 颜色模型 | 第24-25页 |
| ·CMY 颜色模型 | 第25-26页 |
| ·Lab 颜色模型 | 第26-28页 |
| ·高斯差分滤波器 | 第28-32页 |
| ·高斯-拉普拉斯变换 | 第28-31页 |
| ·高斯差分滤波器 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于颜色和纹理的显著区域提取 | 第34-43页 |
| ·纹理显著性图 | 第34-35页 |
| ·基于颜色和纹理的显著区域提取 | 第35-36页 |
| ·显著区域分割 | 第36-38页 |
| ·Mean Shift 基本思想 | 第36-37页 |
| ·Mean Shift 在图像分割中的应用 | 第37-38页 |
| ·实验结果与分析 | 第38-42页 |
| ·提取显著区域 | 第38-40页 |
| ·Mean Shift 分割实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于视觉显著性的目标分类 | 第43-55页 |
| ·目标分类算法 | 第43页 |
| ·目标表示 | 第43-49页 |
| ·SURF 算法原理 | 第43-47页 |
| ·K-means 聚类 | 第47-48页 |
| ·构造视觉词包 | 第48-49页 |
| ·SVM 分类 | 第49-51页 |
| ·分类模型的选择 | 第50页 |
| ·模型参数的选择 | 第50-51页 |
| ·多类问题 | 第51页 |
| ·实验结果与分析 | 第51-53页 |
| ·SURF 特征提取 | 第51-52页 |
| ·目标识别 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·本文总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64页 |
