基于视觉注意机制的道路灾害视频图像处理系统设计与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的与意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 道路灾害监测系统 | 第12-14页 |
| 1.3.2 视觉注意机制 | 第14-15页 |
| 1.4 论文的组织 | 第15-17页 |
| 第二章 视觉注意机制和物体显著性 | 第17-28页 |
| 2.1 人类视觉系统 | 第17-19页 |
| 2.2 视觉注意 | 第19-20页 |
| 2.3 数据驱动和任务驱动的视觉模型 | 第20-27页 |
| 2.3.1 两种模型的概述 | 第20-23页 |
| 2.3.2 Koch&Ullan 模型 | 第23-24页 |
| 2.3.3 Itti模型 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 系统的整体设计和详细介绍 | 第28-41页 |
| 3.1 系统总体结构 | 第28-32页 |
| 3.1.1 采集终端 | 第28-29页 |
| 3.1.2 网络传输部分 | 第29-30页 |
| 3.1.3 客户端 | 第30-32页 |
| 3.2 系统服务器 | 第32-40页 |
| 3.2.1 图像接收子系统 | 第32-34页 |
| 3.2.2 系统数据库 | 第34-35页 |
| 3.2.3 图像处理子系统 | 第35-37页 |
| 3.2.4 信息管理子系统 | 第37-39页 |
| 3.2.5 消息转发子系统 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 显著图计算和显著区域分割 | 第41-47页 |
| 4.1 计算显著图 | 第41-42页 |
| 4.2 显著区域分割 | 第42-46页 |
| 4.2.1 基于区域生长的图像分割 | 第43页 |
| 4.2.2 阈值分割 | 第43-44页 |
| 4.2.3 本文采用的显著区域分割算法 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 系统设计与实现 | 第47-59页 |
| 5.1 实验工具和平台介绍 | 第47-48页 |
| 5.1.1 开发工具和环境 | 第47-48页 |
| 5.1.2 算法设计思想 | 第48页 |
| 5.2 山岭道路滚石灾害的分析和处理 | 第48-51页 |
| 5.3 山岭道路雪灾的分析和处理 | 第51-53页 |
| 5.4 桥梁裂缝灾害的分析和处理 | 第53-54页 |
| 5.5 边坡滑坡灾害的分析和处理 | 第54-56页 |
| 5.6 实验结果对比和分析 | 第56-57页 |
| 5.7 误报率的分析 | 第57-58页 |
| 5.8 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |
