| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 引言 | 第13-27页 |
| 1.1 论文研究背景及意义 | 第13-15页 |
| 1.2 感兴趣目标检测 | 第15-18页 |
| 1.3 感兴趣目标跟踪 | 第18-22页 |
| 1.4 感兴趣目标提取与跟踪研究现状 | 第22-25页 |
| 1.4.1 感兴趣目标提取方法的研究现状 | 第22-23页 |
| 1.4.2 感兴趣目标跟踪方法的研究现状 | 第23-25页 |
| 1.5 论文主要研究内容及结构安排 | 第25-27页 |
| 第二章 人类视觉系统与视觉注意机制 | 第27-45页 |
| 2.1 引言 | 第27页 |
| 2.2 人类视觉系统 | 第27-33页 |
| 2.2.1 人眼结构及视觉通路 | 第27-30页 |
| 2.2.2 视皮层 | 第30-31页 |
| 2.2.3 视觉感知机制 | 第31-33页 |
| 2.3 视觉注意机制 | 第33-36页 |
| 2.3.1 视觉注意机制概述 | 第33页 |
| 2.3.2 视觉注意建模的理论基础 | 第33-36页 |
| 2.3.2.1 Treisman特征整合理论 | 第33-34页 |
| 2.3.2.2 Koch神经生物学框架 | 第34-36页 |
| 2.4 经典视觉注意计算模型 | 第36-43页 |
| 2.4.1 Itti视觉注意计算模型 | 第37-41页 |
| 2.4.2 GBVS视觉注意计算模型 | 第41页 |
| 2.4.3 SR视觉注意计算模型 | 第41-42页 |
| 2.4.4 HFT视觉注意计算模型 | 第42-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 基于选择性注意的无边界主动轮廓图像分割算法 | 第45-60页 |
| 3.1 引言 | 第45页 |
| 3.2 选择性注意概述 | 第45-46页 |
| 3.3 基于选择性注意的无边界主动轮廓图像分割模型 | 第46-52页 |
| 3.3.1 原始图像预处理 | 第47-48页 |
| 3.3.2 掩膜初始化 | 第48-50页 |
| 3.3.3 演化分割 | 第50-52页 |
| 3.3.4 算法步骤 | 第52页 |
| 3.4 实验结果及讨论 | 第52-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 基于字典学习与特征稀有性的自然图像显著目标提取算法 | 第60-74页 |
| 4.1 引言 | 第60页 |
| 4.2 稀疏编码概述 | 第60-62页 |
| 4.3 基于字典学习与特征稀有性的显著性模型 | 第62-67页 |
| 4.3.1 快速字典学习算法 | 第63-65页 |
| 4.3.2 稀有性量化 | 第65-67页 |
| 4.3.3 算法步骤 | 第67页 |
| 4.4 实验结果及讨论 | 第67-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 基于动态视觉显著性与多特征粒子滤波的目标跟踪算法研究 | 第74-90页 |
| 5.1 引言 | 第74页 |
| 5.2 动态显著性 | 第74-81页 |
| 5.2.1 动态显著性概述 | 第74-76页 |
| 5.2.2 基于SIFT流的动态视觉显著性提取 | 第76-81页 |
| 5.3 基于动态视觉显著性与多特征粒子滤波的目标跟踪 | 第81-85页 |
| 5.3.1 粒子滤波概述 | 第81-82页 |
| 5.3.2 多特征融合目标描述 | 第82-84页 |
| 5.3.3 算法步骤 | 第84-85页 |
| 5.4 实验结果及讨论 | 第85-88页 |
| 5.5 本章小结 | 第88-90页 |
| 第六章 结合视觉显著性与三层旋转圆记忆模型的目标跟踪算法研究 | 第90-103页 |
| 6.1 引言 | 第90页 |
| 6.2 三层旋转圆记忆模型概述 | 第90-92页 |
| 6.3 结合视觉显著性与三层旋转圆记忆模型的目标跟踪模型 | 第92-98页 |
| 6.3.1 基于视觉显著性的感兴趣目标提取 | 第92-94页 |
| 6.3.2 基于三层旋转圆记忆模型的目标模板更新建模 | 第94-97页 |
| 6.3.3 算法步骤 | 第97-98页 |
| 6.4 实验结果及讨论 | 第98-101页 |
| 6.5 本章小结 | 第101-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-117页 |
| 攻读博士学位期间取得的研究成果 | 第117-119页 |
| 致谢 | 第119-120页 |
| 作者简介 | 第120页 |
