SAR图像显著性检测方法研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文的结构和主要工作 | 第15-17页 |
| 第二章 视觉注意机制与显著性检测算法 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 视觉注意机制 | 第17-19页 |
| 2.2.1 特征融合理论 | 第17-18页 |
| 2.2.2 视觉注意神经生物学框架 | 第18-19页 |
| 2.3 典型的显著性检测算法 | 第19-25页 |
| 2.3.1 ITTI算法 | 第20-22页 |
| 2.3.2 GBVS算法 | 第22-23页 |
| 2.3.3 SR算法 | 第23-24页 |
| 2.3.4 IS算法 | 第24-25页 |
| 2.4 实验结果及结论 | 第25-31页 |
| 2.4.1 显著性检测算法客观评价指标 | 第25-26页 |
| 2.4.2 光学图像实验 | 第26-29页 |
| 2.4.3 SAR图像实验 | 第29-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 基于显著性的SAR图像目标检测算法 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 SAR图像背景杂波数据的统计建模 | 第32-36页 |
| 3.2.1 常用的背景杂波统计分布模型 | 第32-34页 |
| 3.2.2 最优统计分布模型的选择准则 | 第34-36页 |
| 3.3 经典的SAR图像目标检测方法 | 第36-38页 |
| 3.3.1 CFAR算法 | 第36-37页 |
| 3.3.2 实验结果及分析 | 第37-38页 |
| 3.4 基于显著性的SAR图像目标检测算法 | 第38-41页 |
| 3.4.1 局部显著性度量方法 | 第38-40页 |
| 3.4.2 全局显著性度量方法 | 第40-41页 |
| 3.4.3 显著图计算 | 第41页 |
| 3.4.4 基于显著图的目标检测 | 第41页 |
| 3.5 实验结果及结论 | 第41-47页 |
| 3.5.1 条件概率密度函数的估计 | 第42页 |
| 3.5.2 算法参数讨论 | 第42-44页 |
| 3.5.3 SAR场景图像实验 | 第44-46页 |
| 3.5.4 实验对比与分析 | 第46-47页 |
| 3.6 小结 | 第47-48页 |
| 第四章 尺度自适应的SAR图像显著性检测方法 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 Kadir显著区域检测算法 | 第48-49页 |
| 4.3 尺度自适应的SAR图像显著性检测方法 | 第49-55页 |
| 4.3.1 局部复杂度测度 | 第50-52页 |
| 4.3.2 自差异性测度 | 第52-53页 |
| 4.3.3 显著性尺度确定方法 | 第53-54页 |
| 4.3.4 显著图生成方法 | 第54-55页 |
| 4.4 实验结果及结论 | 第55-60页 |
| 4.4.1 显著性检测方法的准确性 | 第55-56页 |
| 4.4.2 显著性检测方法的旋转缩放稳定性 | 第56-57页 |
| 4.4.3 显著性检测方法的噪声鲁棒性 | 第57页 |
| 4.4.4 实验对比与分析 | 第57-60页 |
| 4.5 小结 | 第60-61页 |
| 第五章 结束语 | 第61-63页 |
| 5.1 本文的主要工作和创新点 | 第61-62页 |
| 5.2 需要进一步研究的问题 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者攻读硕士期间取得的学术成果 | 第69页 |
