| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 注意机制研究的目的和意义 | 第12-13页 |
| 1.3 注意机制的国内外研究现状 | 第13-14页 |
| 1.4 论文的主要工作和创新点 | 第14-15页 |
| 1.5 本文的内容安排 | 第15-17页 |
| 第2章 视觉注意模型概述及其分析 | 第17-31页 |
| 2.1 视觉注意机制及相关概念 | 第17-19页 |
| 2.1.1 视觉注意的原理和过程 | 第17-18页 |
| 2.1.2 视觉注意的分类 | 第18-19页 |
| 2.2 注意力选择的模型综述 | 第19-29页 |
| 2.2.1 基于特征融合的注意选择模型 | 第19-23页 |
| 2.2.2 基于频域的注意力选择模型 | 第23-27页 |
| 2.2.3 基于信息熵的注意力选择模型 | 第27-29页 |
| 2.3 注意模型所存在的关键问题 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于HSI彩色模型的显著性算法 | 第31-45页 |
| 3.1 模型提出的原因 | 第31-32页 |
| 3.2 基于HSI彩色模型的显著性算法 | 第32-35页 |
| 3.2.1 HSI通道的建立 | 第32-33页 |
| 3.2.2 各通道显著性图的提取 | 第33-35页 |
| 3.2.3 各通道显著图的融合 | 第35页 |
| 3.3 实验结果和评价 | 第35-40页 |
| 3.3.1 心理学图像的检测和添加噪声后的图像的检测 | 第35-38页 |
| 3.3.2 自然图像的检测 | 第38-40页 |
| 3.4 基于ROC曲线的显著性评定方法 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 动态场景中的注意力选择模型 | 第45-57页 |
| 4.1 动态场景的注意模型概述 | 第45-46页 |
| 4.2 基于三维幅度谱的动态注意模型 | 第46-50页 |
| 4.2.1 图像幅度谱调制的原理 | 第46-48页 |
| 4.2.2 三维幅度谱的动态注意模型 | 第48-50页 |
| 4.3 实验分析与对比 | 第50-56页 |
| 4.3.1 心理学图像序列的测试 | 第50-54页 |
| 4.3.2 自然图像序列的测试 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 注意机制在钢板表面缺陷检测中的应用 | 第57-71页 |
| 5.1 钢板表面在线检测系统简介 | 第57-58页 |
| 5.2 图像预处理 | 第58-59页 |
| 5.2.1 钢板边界的剪裁 | 第58-59页 |
| 5.2.2 钢板表面缺陷的图像增强 | 第59页 |
| 5.3 钢板表面缺陷区域的检测 | 第59-63页 |
| 5.3.1 基于可疑点ROI的检测方法 | 第60页 |
| 5.3.2 基于形态学的区域检测方法 | 第60页 |
| 5.3.3 基于形态小波的区域检测方法 | 第60-61页 |
| 5.3.4 基于注意机制的区域检测算法 | 第61-63页 |
| 5.4 缺陷区域的特征提取 | 第63-68页 |
| 5.5 钢板损伤的分类 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 论文工作总结 | 第71-72页 |
| 6.2 未来工作 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |