| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第19-40页 |
| 1.1 视觉功能修复背景 | 第19-26页 |
| 1.1.1 视网膜解剖与生理功能 | 第20-23页 |
| 1.1.2 不可治愈的致盲疾病 | 第23-24页 |
| 1.1.3 视觉假体 | 第24-26页 |
| 1.2 视网膜假体 | 第26-35页 |
| 1.2.1 分类与特点 | 第26-30页 |
| 1.2.2 视网膜假体基本结构 | 第30-34页 |
| 1.2.3 面临的问题与挑战 | 第34-35页 |
| 1.3 视网膜假体中的人工视觉信息处理 | 第35-37页 |
| 1.3.1 假体视觉仿真研究 | 第36页 |
| 1.3.2 仿真假体视觉下的图像优化表达 | 第36-37页 |
| 1.4 论文主要内容及创新 | 第37-39页 |
| 1.5 本章小结 | 第39-40页 |
| 第二章 视网膜假体视觉仿真和实验系统设计 | 第40-52页 |
| 2.1 植入者的临床视觉感受 | 第40-41页 |
| 2.2 仿真假体视觉 | 第41-44页 |
| 2.2.1 光幻视点仿真模型 | 第42-44页 |
| 2.2.2 光幻视阵列仿真模型 | 第44页 |
| 2.3 假体视觉仿真实验系统 | 第44-51页 |
| 2.3.1 硬件平台 | 第45-49页 |
| 2.3.2 仿真假体视觉信息处理 | 第49-51页 |
| 2.4 本章小结 | 第51-52页 |
| 第三章 仿真假体视觉下基于显著性注意计算模型的物体识别 | 第52-72页 |
| 3.1 引言 | 第52-54页 |
| 3.2 基于显著性注意计算模型的物体提取与增强策略 | 第54-62页 |
| 3.2.1 自下而上的显著性注意计算模型 | 第55-57页 |
| 3.2.2 自适应c均值模糊聚类和感兴趣区域选择 | 第57-59页 |
| 3.2.3 图像分割算法： Grabcut | 第59-60页 |
| 3.2.4 图像分割后处理和增强 | 第60-61页 |
| 3.2.5 视觉假体图像优化表达策略 | 第61-62页 |
| 3.3 基于心理物理学的假体视觉仿真实验 | 第62-64页 |
| 3.3.1 实验素材 | 第62页 |
| 3.3.2 实验被试 | 第62页 |
| 3.3.3 实验装置 | 第62页 |
| 3.3.4 实验过程 | 第62-63页 |
| 3.3.5 数据分析 | 第63-64页 |
| 3.4 实验结果与分析 | 第64-69页 |
| 3.4.1 物体提取效果 | 第64-66页 |
| 3.4.2 仿真心理物理学实验结果 | 第66-69页 |
| 3.5 实验结果讨论 | 第69-71页 |
| 3.5.1 物体提取效果的影响 | 第70页 |
| 3.5.2 图像表达策略的影响 | 第70-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第四章 仿真假体视觉下基于人脸检测算法的人脸识别 | 第72-92页 |
| 4.1 引言 | 第72-73页 |
| 4.2 基于人脸检测的人脸区域提取策略 | 第73-81页 |
| 4.2.1 Vio la-Jones人脸区域提取 | 第75-76页 |
| 4.2.2 基于统计方法的人脸区域提取 | 第76-78页 |
| 4.2.3 基于Matting算法的人脸区域提取 | 第78-80页 |
| 4.2.4 感兴趣区域放大 | 第80页 |
| 4.2.5 仿真假体视觉的生成 | 第80-81页 |
| 4.3 基于心理物理学的假体视觉仿真实验 | 第81-83页 |
| 4.3.1 实验素材 | 第81-82页 |
| 4.3.2 实验被试 | 第82页 |
| 4.3.3 实验装置 | 第82页 |
| 4.3.4 实验过程 | 第82-83页 |
| 4.3.5 数据分析 | 第83页 |
| 4.4 实验结果与分析 | 第83-89页 |
| 4.4.0 人脸区域提取表现 | 第83-84页 |
| 4.4.1 识别准确率 | 第84-85页 |
| 4.4.2 正确识别反应时间 | 第85-86页 |
| 4.4.3 识别指数 | 第86-87页 |
| 4.4.4 性别差异 | 第87-89页 |
| 4.5 实验结果讨论 | 第89-91页 |
| 4.5.1 图像表达策略的影响 | 第89-90页 |
| 4.5.2 图像分辨率的影响 | 第90-91页 |
| 4.5.3 性别的识别结果 | 第91页 |
| 4.6 本章小结 | 第91-92页 |
| 第五章 仿真假体视觉下基于背景减除算法的运动物体识别 | 第92-114页 |
| 5.1 引言 | 第92-93页 |
| 5.2 基于背景减除的图像处理策略 | 第93-100页 |
| 5.2.1 通用背景减除算法Vi Be | 第95-97页 |
| 5.2.2 自适应连通分量分析A CCA | 第97-98页 |
| 5.2.3 背景减弱算法 | 第98-99页 |
| 5.2.4 背景减弱及前景增强算法 | 第99页 |
| 5.2.5 仿真假体视觉生成 | 第99-100页 |
| 5.3 基于心理物理学的假体视觉仿真实验 | 第100-103页 |
| 5.3.1 实验素材 | 第100页 |
| 5.3.2 实验被试 | 第100-101页 |
| 5.3.3 实验装置 | 第101页 |
| 5.3.4 实验过程 | 第101页 |
| 5.3.5 数据分析 | 第101-103页 |
| 5.4 实验结果分析 | 第103-110页 |
| 5.4.1 A CCA后处理的Vi Be分割结果 | 第103-104页 |
| 5.4.2 动态场景识别实验结果 | 第104-109页 |
| 5.4.3 图像处理策略的运算效率 | 第109-110页 |
| 5.5 实验结果讨论 | 第110-113页 |
| 5.5.1 A CCA后处理分割 | 第110-111页 |
| 5.5.2 图像处理策略的影响 | 第111-112页 |
| 5.5.3 图像分辨率的影响 | 第112-113页 |
| 5.6 本章小结 | 第113-114页 |
| 第六章 总结与展望 | 第114-118页 |
| 6.1 研究总结 | 第114-115页 |
| 6.1.1 仿真假体视觉下基于显著性注意计算模型的物体识别 | 第114页 |
| 6.1.2 仿真假体视觉下基于人脸检测算法的人脸识别 | 第114-115页 |
| 6.1.3 仿真假体视觉下基于背景减除算法的运动物体识别 | 第115页 |
| 6.2 研究创新点 | 第115-116页 |
| 6.3 进一步展望 | 第116-118页 |
| 参考 文献 | 第118-133页 |
| 附录 1 EMAGIN Z8003D VISOR SPECIFICATIONS | 第133-134页 |
| 附录 2 ARRINGTON RESEARCH 220 FPS USB EYE TRACKING SYSTEM SPECIFICATIONS | 第134-137页 |
| 致谢 | 第137-138页 |
| 攻读博士学位期间已发表或录用的论文 | 第138-139页 |
