首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于视觉注意机制的立体图像舒适度研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 立体图像舒适度研究现状第9-11页
        1.2.1 影响立体图像舒适度因素的研究现状第9-10页
        1.2.2 立体图像舒适度客观评价方法研究现状第10-11页
    1.3 本文的主要工作及组织结构第11-14页
        1.3.1 本文的主要工作第11-12页
        1.3.2 本文章节安排第12-14页
第2章 人类视觉系统第14-26页
    2.1 人眼视觉系统基础理论第14-16页
    2.2 人眼视觉特性简介第16-19页
        2.2.1 多通道分解第16-17页
        2.2.2 亮度非线性第17-18页
        2.2.3 对比度敏感度特性第18-19页
        2.2.4 掩盖效应第19页
    2.3 视觉注意机制第19-23页
        2.3.1 视觉显著性机理第19-21页
        2.3.2 颜色特征第21-22页
        2.3.3 亮度特征第22页
        2.3.4 方向特征第22-23页
        2.3.5 纹理特征第23页
    2.4 立体视觉影响因素及成像原理第23-25页
    2.5 本章小结第25-26页
第3章 卷积神经网络基础理论第26-34页
    3.1 卷积神经网络基本概念第26-28页
    3.2 卷积神经网络结构第28-32页
        3.2.1 卷积层第29-30页
        3.2.2 池化层第30页
        3.2.3 全连接层第30-32页
    3.3 卷积神经网络权重调节第32-33页
    3.4 本章小结第33-34页
第4章 基于立体图像显著区域的舒适亮度定量研究第34-44页
    4.1 实验准备第34-35页
        4.1.1 实验素材及设备第34页
        4.1.2 实验条件及主观评价方法第34-35页
    4.2 实验方法第35-40页
        4.2.1 显著立体图像的获取第35-37页
        4.2.2 三级步长逐级逼近法第37-38页
        4.2.3 主观实验第38-40页
    4.3 实验结果分析第40-43页
    4.4 本章小结第43-44页
第5章 基于卷积神经网络的立体图像舒适度评价方法第44-54页
    5.1 立体图像舒适度评价网络模型第44-45页
    5.2 立体图像舒适度评价实验第45-48页
        5.2.1 实验环境及数据库第46页
        5.2.2 立体图像信息预处理第46-47页
        5.2.3 基于显著性的图像块加权第47-48页
    5.3 实验结果与分析第48-52页
        5.3.1 网络结构对模型的影响第48-50页
        5.3.2 LRN层对模型的影响第50页
        5.3.3 交叉数据库对比实验验证第50-51页
        5.3.4 MCL数据库不同损失类型图像的实验结果对比第51-52页
    5.4 本章小结第52-54页
第6章 总结与展望第54-56页
参考文献第56-62页
论文和参加科研情况说明第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于下变频和IQ解调的外差φ-OTDR模式识别方法
下一篇:基于Django的OpenStack云平台管理子系统的分析及实现