| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 矩阵分解的研究现状 | 第15-19页 |
| 1.2.2 视觉注意模型研究现状 | 第19-20页 |
| 1.3 论文的组织结构 | 第20-22页 |
| 第2章 论文理论基础与方法 | 第22-33页 |
| 2.1 人眼系统的基本组成 | 第22-23页 |
| 2.2 人眼视觉特性 | 第23-28页 |
| 2.2.1 视觉注意 | 第23-24页 |
| 2.2.2 图像的特征 | 第24-27页 |
| 2.2.3 视觉特性与视觉冗余 | 第27-28页 |
| 2.3 矩阵分解理论 | 第28-32页 |
| 2.3.1 矩阵分解与图像处理 | 第28-30页 |
| 2.3.2 矩阵的范数 | 第30页 |
| 2.3.3 低秩矩阵恢复 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 视觉冗余信息抑制方法与仿真 | 第33-43页 |
| 3.1 视觉冗余信息 | 第33-34页 |
| 3.2 低秩稀疏矩阵分解方法 | 第34-38页 |
| 3.2.1 稀疏矩阵E的显著性表示 | 第34-35页 |
| 3.2.2 问题公式化 | 第35-37页 |
| 3.2.3 仿真结果与分析 | 第37-38页 |
| 3.3 亮度对比度方法 | 第38-42页 |
| 3.3.1 方法思路 | 第38-39页 |
| 3.3.2 方法具体实现 | 第39-41页 |
| 3.3.3 实验仿真与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 视觉冗余信息抑制方法的改进 | 第43-51页 |
| 4.1 基于全局和局部低秩稀疏矩阵分解的视觉冗余信息抑制 | 第43-45页 |
| 4.1.1 需求分析 | 第43页 |
| 4.1.2 需求转化方法 | 第43-44页 |
| 4.1.3 方法公式化 | 第44-45页 |
| 4.2 基于多特征低秩稀疏矩阵分解的视觉冗余信息抑制 | 第45-50页 |
| 4.2.1 需求分析 | 第45-46页 |
| 4.2.2 需求转化方法 | 第46-47页 |
| 4.2.3 方法公式化 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 改进的视觉冗余信息抑制方法仿真与分析 | 第51-65页 |
| 5.1 经典显著图生成算法 | 第51-54页 |
| 5.2 实验准备 | 第54-57页 |
| 5.2.1 实验环境 | 第54-55页 |
| 5.2.2 参数选取与评估指标 | 第55-57页 |
| 5.3 基于全局和局部低秩稀疏矩阵分解仿真与分析 | 第57-62页 |
| 5.3.1 算法模拟 | 第57-59页 |
| 5.3.2 与经典算法比较 | 第59-61页 |
| 5.3.3 该算法的应用 | 第61-62页 |
| 5.4 基于多特征低秩稀疏矩阵分解仿真与分析 | 第62-64页 |
| 5.4.1 算法模拟并与Itti比较 | 第62-63页 |
| 5.4.2 该算法的应用 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |