基于视觉注意机制的图像智能缩放
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-15页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·背景 | 第10-12页 |
| ·发展 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的主要内容 | 第14-15页 |
| 第2章 图像缩放模型及特征 | 第15-24页 |
| ·图像缩放模型 | 第15-16页 |
| ·常用图像特征 | 第16-24页 |
| ·颜色特征 | 第16-19页 |
| ·RGB空间 | 第16-17页 |
| ·HSV空间 | 第17-18页 |
| ·L~*a~*b~*空间 | 第18-19页 |
| ·纹理特征 | 第19-24页 |
| ·Gabor滤波器纹理 | 第20页 |
| ·自相关函数纹理 | 第20页 |
| ·灰度共生矩阵纹理 | 第20-24页 |
| 第3章 图像缩放常用算法 | 第24-34页 |
| ·基于简单几何变换的方法 | 第25-26页 |
| ·基于图像内容的裁剪方法 | 第26-27页 |
| ·基于分割的方法 | 第27-28页 |
| ·基于SC的方法 | 第28-29页 |
| ·基于变形的图像缩放方法 | 第29-34页 |
| ·基于鱼眼镜头变形的方法 | 第30-31页 |
| ·基于傅里叶分析的变形方法 | 第31-34页 |
| 第4章 基于视觉注意机制的SC缩放 | 第34-63页 |
| ·SC模型及改进 | 第34-38页 |
| ·视觉注意机制 | 第38-39页 |
| ·边缘图与SC方法 | 第39-48页 |
| ·常见的边缘图算法 | 第40-45页 |
| ·基于学习的边缘检测算法 | 第45-48页 |
| ·LRM模型 | 第45-46页 |
| ·图像特征 | 第46-48页 |
| ·显著图与SC方法 | 第48-54页 |
| ·常见的显著图算法 | 第48-52页 |
| ·基于LRR的显著图算法 | 第52-54页 |
| ·LRR模型 | 第52-53页 |
| ·图像特征 | 第53-54页 |
| ·基于边缘图,显著图的SC方法 | 第54-56页 |
| ·实验结果与分析 | 第56-63页 |
| ·实验数据库介绍 | 第56页 |
| ·SC方法实验评价指标 | 第56-57页 |
| ·基于边缘图的SC实验 | 第57-59页 |
| ·基于BD和ED的SC方法比较 | 第57-58页 |
| ·算法鲁棒性 | 第58-59页 |
| ·基于显著图的SC实验 | 第59-60页 |
| ·算法缺陷讨论 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第5章 总结及展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72-73页 |
| 硕士生在读期间已发表和已录用的论文情况 | 第73页 |
