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

视觉显著性计算及其应用研究

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第13-32页
    1.1 本论文研究的背景与意义第13页
    1.2 视觉显著性计算的理论基础第13-18页
        1.2.1 相关概念第14-15页
        1.2.2 视觉注意机制的心理物理学模型第15-17页
        1.2.3 视觉显著性计算模型的构建方法第17-18页
    1.3 视觉显著性计算研究综述第18-24页
        1.3.1 自底向上的视觉显著性计算模型第18-20页
        1.3.2 自顶向下的视觉显著性计算模型第20-22页
        1.3.3 视觉显著性计算模型的应用第22-23页
        1.3.4 视觉显著性计算模型的比较分析第23-24页
    1.4 视觉显著性计算模型的评价方法第24-29页
        1.4.1 视觉显著性评价数据集的获取第24-28页
        1.4.2 视觉显著性模型的主要评价指标第28-29页
    1.5 本文的主要内容与章节安排第29-32页
第二章 图像的稀疏表示第32-40页
    2.1 引言第32页
    2.2 稀疏表示的基本方法第32-35页
        2.2.1 正交匹配追踪算法第33-34页
        2.2.2 基于迭代重加权最小二乘收缩算法第34-35页
    2.3 词典学习方法第35-38页
        2.3.1 基于数据驱动的词典学习方法第35-36页
        2.3.2 基于任务驱动的词典学习方法第36-38页
    2.4 图像的稀疏表示第38-39页
    2.5 本章小结第39-40页
第三章 基于图像稀疏表示的自底向上显著性计算第40-54页
    3.1 引言第40-41页
    3.2 静态图像中基于图像稀疏表示的显著性计算第41-44页
        3.2.1 视觉显著性计算框架第41页
        3.2.2 图像的颜色格式转换第41-42页
        3.2.3 图像的稀疏表示第42-43页
        3.2.4 局部显著性计算第43页
        3.2.5 全局显著性计算第43-44页
        3.2.6 显著性图的归一化与融合第44页
    3.3 视频中基于图像稀疏表示的显著性计算第44-47页
        3.3.1 视频中视觉显著性的计算基本框架第45-46页
        3.3.2 视频中帧间运动显著性检测第46页
        3.3.3 帧内显著性与帧间显著性的融合第46-47页
    3.4 实验结果与分析第47-53页
        3.4.1 实验所用数据集与环境第47-48页
        3.4.2 图像中的显著性计算实验结果与分析第48-51页
        3.4.3 视频动态场景中的显著性测试与分析第51-53页
    3.5 本章小结第53-54页
第四章 引入自顶向下因素的视觉显著性计算第54-80页
    4.1 引言第54-55页
    4.2 图像中基于视觉搜索任务的显著性计算第55-69页
        4.2.1 显著性计算框架第55-56页
        4.2.2 图像的特征表示第56-60页
        4.2.3 自顶向下的显著性计算第60-61页
        4.2.4 显著性融合策略的学习与选择第61-62页
        4.2.5 实验结果与比较第62-69页
    4.3 视频跟踪问题中的显著性计算与凝视点预测第69-78页
        4.3.1 基本框架第69-70页
        4.3.2 基于局部颜色直方图对比的视觉显著性模型第70-74页
        4.3.3 算法描述第74-75页
        4.3.4 实验结果与分析第75-78页
        4.3.5 讨论第78页
    4.4 本章小结第78-80页
第五章 基于全局颜色对比的显著性目标检测第80-92页
    5.1 引言第80-81页
    5.2 条件随机场判别模型第81-84页
        5.2.1 条件随机场的定义第81-82页
        5.2.2 条件随机场的势函数与概率模型第82-83页
        5.2.3 条件随机场模型的参数估计第83-84页
    5.3 图像中显著性目标检测算法第84-88页
        5.3.1 基于全局颜色对比度特征的提取第85-87页
        5.3.2 图像中分割势函数的计算第87-88页
        5.3.3 显著性目标区域的获取第88页
    5.4 实验结果与分析第88-91页
        5.4.1 图像中的显著性目标检测实验与分析第88-91页
    5.5 本章小结第91-92页
第六章 基于视觉显著性计算的目标跟踪第92-113页
    6.1 引言第92-93页
    6.2 基于分布场的图像描述第93-96页
        6.2.1 分布场的定义第94页
        6.2.2 分布场的构造第94-95页
        6.2.3 分布场的比较第95页
        6.2.4 分布场的更新第95-96页
    6.3 基于显著性计算的目标跟踪算法第96-102页
        6.3.1 目标遮挡的检测与处理第96-100页
        6.3.2 多尺度目标跟踪第100页
        6.3.3 跟踪算法描述第100-102页
    6.4 实验结果与比较第102-112页
        6.4.1 实验所用数据库与环境第103页
        6.4.2 实验评价指标第103-105页
        6.4.3 实验结果与分析第105-112页
    6.5 本章小结第112-113页
结论与展望第113-116页
    1 主要工作与总结第113-114页
    2 展望第114-116页
参考文献第116-129页
攻读博士学位期间取得的研究成果第129-131页
致谢第131-132页
附件第132页

论文共132页,点击 下载论文
上一篇:基于期权博弈的双寡头跨国企业投资策略研究
下一篇:痛风的临床与基础研究