视觉注意机制建模及其应用研究
摘要 | 第1-7页 |
ABSTRACT | 第7-16页 |
第1章 绪论 | 第16-28页 |
·问题的提出 | 第16-17页 |
·研究意义与应用 | 第17-18页 |
·国内外研究现状 | 第18-22页 |
·自底向上视觉注意建模 | 第19-21页 |
·自顶向下视觉注意建模 | 第21-22页 |
·本文的研究内容 | 第22-24页 |
·视觉注意建模过程 | 第22-23页 |
·显著度计算的应用 | 第23-24页 |
·本文的组织结构 | 第24-28页 |
·内容组织 | 第24-26页 |
·文献综述 | 第26-28页 |
第2章 视觉注意机制介绍 | 第28-40页 |
·视觉注意机制的特点 | 第28-31页 |
·早期视觉特征 | 第29页 |
·心理学特点 | 第29-30页 |
·注意焦点转移 | 第30-31页 |
·视觉注意建模的理论基础 | 第31-35页 |
·Treisman特征融合理论 | 第31-32页 |
·Koch神经生物学框架 | 第32-35页 |
·视觉注意建模的计算过程 | 第35-38页 |
·显著性特征提取 | 第35-36页 |
·显著区域的选择与转移 | 第36-38页 |
·本章小结 | 第38-40页 |
第3章 基于动态特征融合的视觉注意建模 | 第40-64页 |
·引言 | 第40-41页 |
·相关工作 | 第41-50页 |
·Itti模型 | 第42-45页 |
·光谱剩余假说 | 第45-48页 |
·模糊区域增长 | 第48-50页 |
·视觉显著度计算 | 第50-53页 |
·颜色特征 | 第51-52页 |
·信息密度计算 | 第52页 |
·显著边缘 | 第52-53页 |
·动态特征融合策略 | 第53-57页 |
·特征图评估 | 第53-56页 |
·特征图融合 | 第56-57页 |
·显著对象检测及视点转移模拟 | 第57-59页 |
·显著对象选择 | 第57-58页 |
·视点转移模拟 | 第58-59页 |
·实验结果及分析 | 第59-62页 |
·本章小结 | 第62-64页 |
第4章 基于显著度计算的对象视频检索 | 第64-78页 |
·引言 | 第64-65页 |
·相关工作 | 第65-70页 |
·视频分割技术 | 第65-67页 |
·SIFT描述子 | 第67-70页 |
·视频中的显著对象检测 | 第70-73页 |
·视频解析 | 第70-71页 |
·关键帧提取 | 第71-72页 |
·关键帧中的显著对象检测 | 第72-73页 |
·对象视频的相似性度量 | 第73-74页 |
·显著对象的特征描述 | 第73-74页 |
·基于显著对象的相似性计算 | 第74页 |
·实验结果及分析 | 第74-76页 |
·本章小结 | 第76-78页 |
第5章 时序图像中的显著对象检测 | 第78-90页 |
·引言 | 第78-79页 |
·相关工作 | 第79-81页 |
·时序图像的成像特点 | 第79页 |
·基于灰度共生矩阵的纹理特征 | 第79-81页 |
·时序图像中的显著度计算模型 | 第81-84页 |
·特征选择 | 第82-83页 |
·显著度计算 | 第83-84页 |
·显著对象检测算法 | 第84-85页 |
·感兴趣区域提取 | 第84-85页 |
·区域筛选 | 第85页 |
·显著对象分类 | 第85页 |
·实验结果及分析 | 第85-88页 |
·本章小结 | 第88-90页 |
第6章 显著度计算在遥感图像中的应用 | 第90-106页 |
·引言 | 第90页 |
·遥感图像简介 | 第90-92页 |
·对于复杂海面背景下舰船检测的应用 | 第92-99页 |
·显著度计算模型 | 第92-93页 |
·舰船检测算法 | 第93-97页 |
·实验结果与分析 | 第97-99页 |
·对于噪声背景下变化检测的应用 | 第99-104页 |
·显著度计算模型 | 第100-101页 |
·变化检测算法 | 第101-103页 |
·实验结果与分析 | 第103-104页 |
·本章小结 | 第104-106页 |
第7章 结束语 | 第106-110页 |
·本文的主要工作 | 第106-107页 |
·本文的主要贡献和创新点 | 第107-108页 |
·下一步的研究设想 | 第108-110页 |
参考文献 | 第110-118页 |
致谢 | 第118-120页 |
在读期间发表的学术论文 | 第120-122页 |
在读期间参加的科研项目与获奖情况 | 第122-123页 |