| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 视觉的若干基本问题 | 第13-15页 |
| 1.3 生物视觉系统概述 | 第15-20页 |
| 1.3.1 视网膜和外侧膝状体(LGN) | 第15-17页 |
| 1.3.2 初级视觉皮层(V1) | 第17-20页 |
| 1.4 类脑计算机视觉现状 | 第20-22页 |
| 1.5 本文研究内容与主要贡献 | 第22-24页 |
| 1.6 本文的结构安排 | 第24-26页 |
| 第二章 基于视觉颜色拮抗机理和稀疏约束的轮廓检测方法 | 第26-48页 |
| 2.1 引言 | 第26-29页 |
| 2.1.1 相关工作 | 第27-28页 |
| 2.1.2 本章内容 | 第28-29页 |
| 2.2 相关生物学机理 | 第29页 |
| 2.3 颜色拮抗模型 | 第29-36页 |
| 2.3.1 视锥细胞层 | 第31页 |
| 2.3.2 视网膜神经节细胞/LGN层 | 第31-32页 |
| 2.3.3 V1层 | 第32-34页 |
| 2.3.4 基于空间稀疏约束的纹理抑制 | 第34-36页 |
| 2.3.5 计算轮廓响应 | 第36页 |
| 2.4 实验结果 | 第36-46页 |
| 2.4.1 模型的基本特性 | 第36-38页 |
| 2.4.2 自然图像的轮廓检测 | 第38-46页 |
| 2.5 总结和讨论 | 第46-48页 |
| 第三章 基于初级视皮层非经典感受野机理的轮廓检测方法 | 第48-66页 |
| 3.1 引言 | 第48-50页 |
| 3.1.1 相关工作 | 第48-50页 |
| 3.1.2 本章内容 | 第50页 |
| 3.2 多特征非经典感受野抑制模型 | 第50-56页 |
| 3.2.1 经典感受野响应 | 第50-52页 |
| 3.2.2 局部特征提取 | 第52页 |
| 3.2.3 外周抑制计算 | 第52-55页 |
| 3.2.4 多特征合并 | 第55-56页 |
| 3.2.5 显著轮廓提取 | 第56页 |
| 3.3 实验结果 | 第56-64页 |
| 3.3.1 外周抑制的作用 | 第57-59页 |
| 3.3.2 在RuG40图像库上的实验结果 | 第59-62页 |
| 3.3.3 在BSDS300图像库上的实验结果 | 第62-64页 |
| 3.4 总结和讨论 | 第64-66页 |
| 第四章 基于视觉引导搜索理论的显著结构检测方法 | 第66-88页 |
| 4.1 引言 | 第66-69页 |
| 4.1.1 基本理论 | 第66-67页 |
| 4.1.2 相关工作 | 第67-69页 |
| 4.1.3 本章研究内容 | 第69页 |
| 4.2 基于轮廓信息引导的显著结构检测算法 | 第69-74页 |
| 4.2.1 算法的基本框架 | 第69-70页 |
| 4.2.2 空间先验估计 | 第70-71页 |
| 4.2.3 局部特征提取 | 第71-72页 |
| 4.2.4 基于贝叶斯推理的显著结构预测 | 第72-74页 |
| 4.2.4.1 预测结构大小 | 第72-73页 |
| 4.2.4.2 估计特征权重 | 第73页 |
| 4.2.4.3 计算似然函数 | 第73-74页 |
| 4.2.4.4 迭代计算 | 第74页 |
| 4.3 实验结果 | 第74-86页 |
| 4.3.1 算法的基本特性 | 第74-75页 |
| 4.3.2 注视点预测 | 第75-79页 |
| 4.3.3 显著目标检测 | 第79-80页 |
| 4.3.4 参数分析 | 第80-81页 |
| 4.3.5 与显著性相关的扩展应用 | 第81-86页 |
| 4.3.5.1 注视点预测与显著目标检测任务的相互转换 | 第81-85页 |
| 4.3.5.2 多目标搜索 | 第85页 |
| 4.3.5.3 显著边缘检测 | 第85-86页 |
| 4.4 总结和讨论 | 第86-88页 |
| 第五章 基于视觉心理物理实验的灰色点假说与颜色恒常性计算 | 第88-111页 |
| 5.1 引言 | 第88-91页 |
| 5.1.1 相关工作 | 第89-90页 |
| 5.1.2 本章研究内容 | 第90-91页 |
| 5.2 灰色点检测的理论框架 | 第91-96页 |
| 5.2.1 基本假设 | 第91页 |
| 5.2.2 灰色点假设的公式化描述 | 第91-93页 |
| 5.2.3 灰色点假设的验证与分析 | 第93-94页 |
| 5.2.4 自然图像灰色点检测算法 | 第94-96页 |
| 5.3 基于灰色点的光源估计方法 | 第96-99页 |
| 5.3.1 单光源估计 | 第96-97页 |
| 5.3.2 多光源估计 | 第97-98页 |
| 5.3.3 光源估计的LMS校正 | 第98-99页 |
| 5.4 实验结果 | 第99-109页 |
| 5.4.1 参数分析 | 第100页 |
| 5.4.2 单光源估计结果 | 第100-104页 |
| 5.4.3 多光源估计结果 | 第104-106页 |
| 5.4.4 视频序列的光源估计结果 | 第106-107页 |
| 5.4.5 光源估计的失败案例分析 | 第107-109页 |
| 5.5 总结与讨论 | 第109-111页 |
| 第六章 结论与展望 | 第111-115页 |
| 6.1 结论 | 第111-112页 |
| 6.2 展望 | 第112-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-134页 |
| 攻博期间取得的研究成果 | 第134-136页 |
