基于视觉注意的立体视频感兴趣区域提取
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·常见的视觉注意模型 | 第13-14页 |
| ·显著性特征融合方式 | 第14-15页 |
| ·显著目标或区域提取 | 第15页 |
| ·本文研究的主要内容和组织结构 | 第15-18页 |
| 第2章 2D图像显著性特征提取 | 第18-30页 |
| ·概述 | 第18页 |
| ·视觉注意 | 第18-20页 |
| ·人类视觉注意机制 | 第18-19页 |
| ·视觉注意生物机理 | 第19-20页 |
| ·2D图像视觉注意模型 | 第20-21页 |
| ·Itti显著图计算模型 | 第21-27页 |
| ·原始模型 | 第21-25页 |
| ·本文改进模型 | 第25-27页 |
| ·频域多尺度分解模型 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 立体视频显著性特征提取 | 第30-43页 |
| ·概述 | 第30-31页 |
| ·运动特征提取 | 第31-37页 |
| ·仿射变换运动建模 | 第32-34页 |
| ·三帧差法 | 第34-37页 |
| ·3D立体特征提取 | 第37-41页 |
| ·深度边缘检测 | 第38-39页 |
| ·景深模糊检测 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于ANN的多特征融合 | 第43-58页 |
| ·概述 | 第43页 |
| ·人工神经网络介绍 | 第43-47页 |
| ·训练样本 | 第47-51页 |
| ·多特征融合生成显著图 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 感兴趣目标提取及跟踪 | 第58-64页 |
| ·概述 | 第58页 |
| ·定位感兴趣目标 | 第58-59页 |
| ·时域优化 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-68页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-68页 |
| 参考文献 | 第68-73页 |
| 在学期间所取得的科研成果 | 第73页 |
