| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第17-33页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-30页 |
| 1.2.1 服务机器人研究现状 | 第19-21页 |
| 1.2.2 视觉注意机制研究现状 | 第21-29页 |
| 1.2.3 服务机器人深度感知技术研究现状 | 第29-30页 |
| 1.3 本文主要研究内容 | 第30-32页 |
| 1.4 本文的结构安排 | 第32-33页 |
| 第2章 基于PCNN的显著性区域混合估计模型研究 | 第33-57页 |
| 2.1 引言 | 第33-35页 |
| 2.2 显著性滤波算法 | 第35-39页 |
| 2.2.1 图像预处理（Abstraction） | 第35-36页 |
| 2.2.2 颜色独立性度量（Element uniqueness） | 第36页 |
| 2.2.3 空间颜色分布度量（Element distribution） | 第36-37页 |
| 2.2.4 生成显著性图（Saliency assignment） | 第37页 |
| 2.2.5 算法鲁棒性讨论 | 第37-39页 |
| 2.3 基于PCNN改进显著性区域提取算法 | 第39-43页 |
| 2.3.1 输入单元 | 第40-41页 |
| 2.3.2 连接调制单元 | 第41页 |
| 2.3.3 点火脉冲单元 | 第41-43页 |
| 2.4 实验结果及分析 | 第43-55页 |
| 2.4.1 标准数据库 | 第43-44页 |
| 2.4.2 评价方案和指标 | 第44-46页 |
| 2.4.3 标准数据库实验及分析 | 第46-54页 |
| 2.4.4 真实场景实验及分析 | 第54-55页 |
| 2.5 本章小结 | 第55-57页 |
| 第3章 基于多尺度优化的显著性目标细微区域检测方法研究 | 第57-77页 |
| 3.1 引言 | 第57-58页 |
| 3.2 元胞自动机模型 | 第58-60页 |
| 3.2.1 元胞自动机的基本结构 | 第58-59页 |
| 3.2.2 元胞自动机的应用 | 第59-60页 |
| 3.3 显著性目标细微区域检测算法 | 第60-66页 |
| 3.3.1 暗通道先验原始显著性图 | 第61-63页 |
| 3.3.2 元胞自动机优化显著性图 | 第63-64页 |
| 3.3.3 贝叶斯概率融合方法 | 第64-66页 |
| 3.4 实验结果及分析 | 第66-76页 |
| 3.4.1 DUT-OMRON数据库 | 第66-67页 |
| 3.4.2 加权综合F值评价方案 | 第67-69页 |
| 3.4.3 数据库实验及分析 | 第69-75页 |
| 3.4.4 真实场景对比实验 | 第75-76页 |
| 3.5 本章小结 | 第76-77页 |
| 第4章 基于引导传播和流形排序的协同显著性检测方法研究 | 第77-97页 |
| 4.1 引言 | 第77-78页 |
| 4.2 基于流形排序的显著性计算方法 | 第78-81页 |
| 4.2.1 流形排序 | 第78-79页 |
| 4.2.2 图模型建立 | 第79-80页 |
| 4.2.3 显著性检测 | 第80-81页 |
| 4.3 协同显著性算法模型 | 第81-86页 |
| 4.3.1 输入图像预处理 | 第83页 |
| 4.3.2 图像间显著性传播 | 第83-84页 |
| 4.3.3 图像内流形排序 | 第84-86页 |
| 4.4 实验结果及分析 | 第86-96页 |
| 4.4.1 协同显著性数据库 | 第86-87页 |
| 4.4.2 定性和定量对比实验 | 第87-93页 |
| 4.4.3 算法参数讨论 | 第93-94页 |
| 4.4.4 算法模型独立性分析 | 第94页 |
| 4.4.5 算法执行效率 | 第94-95页 |
| 4.4.6 真实场景图像检测和分割实验 | 第95-96页 |
| 4.5 本章小结 | 第96-97页 |
| 第5章 RGB-D显著性及其在服务机器人环境感知任务中的应用研究 | 第97-117页 |
| 5.1 基于Kinect V2的RGB-D显著性目标提取 | 第97-100页 |
| 5.1.1 Kinect V2简介 | 第97-99页 |
| 5.1.2 Kinect V2的标定 | 第99页 |
| 5.1.3 算法步骤与实验结果 | 第99-100页 |
| 5.2 服务机器人平台介绍 | 第100-104页 |
| 5.2.1 自主移动载体 | 第101-102页 |
| 5.2.2 六自由度机械臂和电动夹爪 | 第102-103页 |
| 5.2.3 视觉显著性应用分析 | 第103-104页 |
| 5.3 基于显著性检测的空间障碍物感知策略 | 第104-108页 |
| 5.3.1 引言 | 第104-105页 |
| 5.3.2 系统结构 | 第105页 |
| 5.3.3 改进人工势场法 | 第105-107页 |
| 5.3.4 实验结果 | 第107-108页 |
| 5.4 基于协同显著性检测的空间物体检测与定位方法 | 第108-114页 |
| 5.4.1 引言 | 第108-109页 |
| 5.4.2 空间物体检测、定位及抓取策略 | 第109-110页 |
| 5.4.3 机械臂运动学解算 | 第110-112页 |
| 5.4.4 实验结果 | 第112-114页 |
| 5.5 本章小结 | 第114-117页 |
| 结论 | 第117-121页 |
| 参考文献 | 第121-131页 |
| 攻读博士学位期间所发表的学术论文 | 第131-133页 |
| 致谢 | 第133-134页 |
