| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 相关问题国内外研究现状 | 第9-12页 |
| 1.3 研究目的及论文组织结构 | 第12-14页 |
| 第二章 视觉感知算法及视频复杂度度量方法 | 第14-28页 |
| 2.1 视觉显著性检测算法 | 第14-21页 |
| 2.1.1 自底向上的显著性检测方法 | 第14-18页 |
| 2.1.2 采用其他视觉特征的自底向上显著性检测方法 | 第18-20页 |
| 2.1.3 自顶向下的显著性检测方法 | 第20-21页 |
| 2.2 人眼注视点预测算法 | 第21-23页 |
| 2.2.1 采用马尔科夫链的模型 | 第21-22页 |
| 2.2.2 采用成凹机制的模型 | 第22页 |
| 2.2.3 采用眼球运动偏好的模型 | 第22-23页 |
| 2.3 视频感知复杂度度量算法 | 第23-26页 |
| 2.3.1 视频感知空间复杂度度量算法 | 第23-24页 |
| 2.3.2 视频感知时间复杂度度量算法 | 第24-25页 |
| 2.3.3 视频感知时空复杂度度量算法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于显著性检测的视频感知复杂度度量算法 | 第28-46页 |
| 3.1 度量算法整体框架 | 第28-29页 |
| 3.2 显著性检测模型与显著性图 | 第29-33页 |
| 3.2.1 利用低层次特征的视频帧显著性检测 | 第29-31页 |
| 3.2.2 利用高层次特征的视频帧显著性检测 | 第31-33页 |
| 3.3 人眼扫视模型 | 第33-40页 |
| 3.3.1 自底向上及自顶向下的显著性图 | 第33页 |
| 3.3.2 扫视幅度与扫视方向的联合概率分布 | 第33-34页 |
| 3.3.3 记忆效应与返回抑制模型 | 第34-35页 |
| 3.3.4 基于成凹机制的权重模型 | 第35-38页 |
| 3.3.5 基于条件概率的人眼扫视模型 | 第38-40页 |
| 3.4 显著性目标分割 | 第40-42页 |
| 3.5 视频感知复杂度评估 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 实验设置与实验结果 | 第46-60页 |
| 4.1 实验设置与预处理 | 第46-49页 |
| 4.1.1 实验数据库及实验视频说明 | 第46-48页 |
| 4.1.2 眼动数据处理 | 第48-49页 |
| 4.1.3 基准扫视数据获取 | 第49页 |
| 4.2 实验设计与结果分析 | 第49-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与工作展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |