| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景 | 第10-12页 |
| ·选题意义 | 第12页 |
| ·视觉信息处理的研究现状 | 第12-14页 |
| ·视觉信息处理面临的困难 | 第14-15页 |
| ·本文的研究内容及文章结构 | 第15-16页 |
| 第2章 视觉感知系统的基本概念 | 第16-27页 |
| ·引言 | 第16页 |
| ·视觉系统的生理特性 | 第16-25页 |
| ·层次处理结构 | 第17-18页 |
| ·感受野 | 第18-22页 |
| ·眼优势柱和超柱 | 第22-23页 |
| ·视皮层神经元的同步化整合机制 | 第23-24页 |
| ·视觉信息处理系统的特点 | 第24-25页 |
| ·视觉信息处理模型的建立基础 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 视觉信息处理模型 | 第27-52页 |
| ·简单细胞数学模型概述 | 第27-33页 |
| ·Gabor 滤波器 | 第27-28页 |
| ·高斯函数 | 第28-29页 |
| ·方向可调滤波器金字塔算法 | 第29-32页 |
| ·双树复数小波 | 第32-33页 |
| ·简单细胞数学模型的比较 | 第33页 |
| ·视觉信息处理模型 | 第33-41页 |
| ·HMAX 分级模型 | 第34-38页 |
| ·Serre 提出的分级模型 | 第38页 |
| ·Jim mutch 提出的分级模型 | 第38-41页 |
| ·改进的视觉信息处理模型 | 第41-46页 |
| ·基于双树复数小波的改进分级模型 | 第41-43页 |
| ·基于可调滤波器金字塔算法的改进分级模型 | 第43-46页 |
| ·多视角目标识别 | 第46-50页 |
| ·神经网络 | 第46-47页 |
| ·BP 神经网络 | 第47-48页 |
| ·BP 神经网络在多视角目标识别中的应用 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 视觉信息处理在目标识别中的应用 | 第52-59页 |
| ·引言 | 第52页 |
| ·图像库的选择 | 第52-53页 |
| ·支持向量机 | 第53-56页 |
| ·两类问题 | 第53-54页 |
| ·多类问题 | 第54-55页 |
| ·支持向量机的优点 | 第55-56页 |
| ·试验分析 | 第56-57页 |
| ·识别率分析 | 第56页 |
| ·基于双树复数小波的改进分级模型的试验分析 | 第56-57页 |
| ·基于可调滤波器金字塔算法的改进分级模型的试验分析 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第5章 注意机制在目标识别中的应用 | 第59-67页 |
| ·引言 | 第59-60页 |
| ·注意机制概述 | 第60-62页 |
| ·分类 | 第60-61页 |
| ·研究现状 | 第61-62页 |
| ·注意机制模型的建立目的 | 第62-63页 |
| ·注意机制及其在目标识别中的应用 | 第63-65页 |
| ·Itti 模型 | 第63-64页 |
| ·注意机制在目标识别中的应用 | 第64-65页 |
| ·试验分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |