| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 第一章 绪论 | 第15-30页 |
| 1.1 课题背景和研究意义 | 第15-18页 |
| 1.2 生物视觉机制相关研究 | 第18-26页 |
| 1.2.1 视觉通路理论研究 | 第19-21页 |
| 1.2.2 视觉感知恒常性研究 | 第21-22页 |
| 1.2.3 视觉场景感知分类机制研究 | 第22-23页 |
| 1.2.4 视觉注意机制研究 | 第23-24页 |
| 1.2.5 大脑记忆机制研究 | 第24-26页 |
| 1.3 本文研究所针对的技术挑战 | 第26-27页 |
| 1.4 论文的主要工作及内容安排 | 第27-30页 |
| 第二章 室外场景感知分类研究 | 第30-68页 |
| 2.1 引言 | 第30-31页 |
| 2.2 相关技术研究现状 | 第31-33页 |
| 2.3 有基于仿生特征的方法存在的不足 | 第33-34页 |
| 2.4 基于视觉记忆机制的室外场景感知分类方法 | 第34-51页 |
| 2.4.1 模型框架 | 第35-37页 |
| 2.4.2 场景图像的Gist表示方法 | 第37-43页 |
| 2.4.3 对记忆的产生和再忆过程的方法模拟 | 第43-51页 |
| 2.5 实验结果及分析 | 第51-67页 |
| 2.5.1 实验数据与实验设置 | 第52-57页 |
| 2.5.2 单特征分类实验结果 | 第57-61页 |
| 2.5.3 多特征分类实验结果 | 第61-64页 |
| 2.5.4 多地点多场景综合分类实验结果 | 第64-67页 |
| 2.6 小结 | 第67-68页 |
| 第三章 基于原型物体和记忆机制的视觉显著度计算方法 | 第68-93页 |
| 3.1 引言 | 第68-69页 |
| 3.2 相关技术研究现状 | 第69-75页 |
| 3.2.1 视觉注意的神经机理和认知学研究 | 第69-70页 |
| 3.2.2 视觉注意的计算模型研究 | 第70-75页 |
| 3.3 构建视觉显著度计算模型的核心问题 | 第75-77页 |
| 3.4 基于原型物体和记忆机制的视觉显著度计算方法 | 第77-85页 |
| 3.4.1 建模的生理学依据 | 第77-79页 |
| 3.4.2 原型物体检测 | 第79-84页 |
| 3.4.3 建模方法 | 第84-85页 |
| 3.5 基于流形学习的原型物体检测方法 | 第85-91页 |
| 3.5.1 以类似流形方式存在的感知 | 第86-87页 |
| 3.5.2 基于流形学习的感知模拟 | 第87-89页 |
| 3.5.3 算法流程 | 第89-90页 |
| 3.5.4 实验结果 | 第90-91页 |
| 3.6 小结 | 第91-93页 |
| 第四章 视觉显著度计算中的特征融合策略研究 | 第93-133页 |
| 4.1 引言 | 第93-94页 |
| 4.2 相关研究概述 | 第94-97页 |
| 4.2.1 记忆内容对于视觉注意的导向作用 | 第94-95页 |
| 4.2.2 融合策略研究现状 | 第95-96页 |
| 4.2.3 融合策略中的机器学习问题 | 第96-97页 |
| 4.3 基于偏向竞争理论和高斯过程的视觉特征融合策略 | 第97-103页 |
| 4.3.1 问题描述 | 第98页 |
| 4.3.2 高斯过程 | 第98-102页 |
| 4.3.3 模型框架 | 第102-103页 |
| 4.4 基于特征整合理论和支持向量机的视觉特征融合策略 | 第103-112页 |
| 4.4.1 问题描述 | 第103-104页 |
| 4.4.2 支持向量机 | 第104-111页 |
| 4.4.3 模型框架 | 第111-112页 |
| 4.5 实验结果及分析 | 第112-131页 |
| 4.5.1 实验数据分析 | 第112-114页 |
| 4.5.2 基于原型物体和高斯过程的视觉显著度计算实验 | 第114-119页 |
| 4.5.3 基于原型物体和支持向量机的视觉显著度计算实验 | 第119-124页 |
| 4.5.4 本文所提出的两种模型的性能对比 | 第124-126页 |
| 4.5.5 本文所提出的两种模型与其它模型的性能对比 | 第126-131页 |
| 4.6 小结 | 第131-133页 |
| 第五章 仿生视觉模型在直升机巡检系统中的应用研究 | 第133-151页 |
| 5.1 引言 | 第133页 |
| 5.2 系统框架 | 第133-136页 |
| 5.3 基于视觉显著性的架空电力设备压缩感知成像系统 | 第136-142页 |
| 5.3.1 架空电力设备成像问题分析 | 第136-137页 |
| 5.3.2 基于显著性的架空电力设备压缩感知成像 | 第137-140页 |
| 5.3.3 仿真实验 | 第140-142页 |
| 5.4 基于栅格细胞的架空输电线路图像中的绝缘子检测方法 | 第142-150页 |
| 5.4.1 绝缘子检测问题分析 | 第142-143页 |
| 5.4.2 光栅细胞与“晶格检测”模型 | 第143-144页 |
| 5.4.3 基于马尔可夫随机场的绝缘子检测 | 第144-147页 |
| 5.4.4 绝缘子晶格模型 | 第147页 |
| 5.4.5 绝缘子关联检测 | 第147-149页 |
| 5.4.6 仿真实验结果及分析 | 第149-150页 |
| 5.5 小结 | 第150-151页 |
| 第六章 结论与展望 | 第151-155页 |
| 6.1 论文主要创新工作总结 | 第151-153页 |
| 6.2 未来的工作展望 | 第153-155页 |
| 致谢 | 第155-161页 |
| 参考文献 | 第161-174页 |
| 作者在学期间取得的学术成果 | 第174页 |
