摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 引言 | 第11-12页 |
1.2 研究背景 | 第12页 |
1.3 研究现状和发展趋向 | 第12-15页 |
1.3.1 国内研究现状 | 第13-14页 |
1.3.2 国外研究现状 | 第14页 |
1.3.3 发展趋向 | 第14-15页 |
1.4 总体方案 | 第15-18页 |
1.4.1 视觉兴趣区域 | 第16-17页 |
1.4.2 相似性分析 | 第17页 |
1.4.3 图像推荐 | 第17页 |
1.4.5 总体设计 | 第17-18页 |
1.5 本章小结 | 第18-19页 |
第二章 注视焦点图的提取 | 第19-34页 |
2.1 眼动仪 | 第19-20页 |
2.1.1 眼动仪简介 | 第19-20页 |
2.1.2 眼动仪交互过程 | 第20页 |
2.2 眼动数据预处理 | 第20-22页 |
2.2.1 确定有效注视信息 | 第21页 |
2.2.2 眼动数据坐标变换 | 第21-22页 |
2.3 区域生长法获取注视焦点图 | 第22-25页 |
2.3.1 区域生成法概述 | 第22-23页 |
2.3.2 注视点区域生长过程 | 第23-24页 |
2.3.3 焦点图的坐标集合 | 第24页 |
2.3.4 焦点图的注视程度 | 第24-25页 |
2.4 焦点图底层特征提取 | 第25-30页 |
2.4.1 纹理特征提取 | 第25-26页 |
2.4.2 颜色特征提取 | 第26-28页 |
2.4.3 形状特征提取 | 第28-30页 |
2.5 实验和分析 | 第30-33页 |
2.6 本章小结 | 第33-34页 |
第三章 视觉兴趣区域VROI的确定 | 第34-44页 |
3.1 模板匹配算法下的相关系数 | 第35-36页 |
3.1.1 矩形化焦点图 | 第35页 |
3.1.2 矩形区域的相关系数 | 第35-36页 |
3.2 加权融合特征向量间距离方法的相似性度量 | 第36-38页 |
3.2.1 特征的归一化处理 | 第37页 |
3.2.2 加权融合各特征距离 | 第37-38页 |
3.3 K-MEANS聚类方式获取视觉兴趣区域VROI | 第38-41页 |
3.3.1 距离矩阵 | 第38-39页 |
3.3.2 k-means聚类过程和VROI的表示 | 第39-41页 |
3.4 实验和分析 | 第41-43页 |
3.5 本章小结 | 第43-44页 |
第四章 测试图像处理和相似性分析 | 第44-54页 |
4.1 九宫格随机点选择方法 | 第44-48页 |
4.1.1 多组随机点中的优选组 | 第45-47页 |
4.1.2 单组随机点均进行区域生长方式 | 第47页 |
4.1.3 上述两种方式的结合 | 第47-48页 |
4.2 模拟注视焦点图的底层特征提取 | 第48页 |
4.3 模拟注视焦点图在测试图像中的显著性 | 第48-49页 |
4.4 VROI和测试图像基于区域的相似性分析 | 第49-51页 |
4.4.1 像素占比加权方式下的相似性度量 | 第49-50页 |
4.4.3 测试图像和VROI的相似归类 | 第50-51页 |
4.5 实验和分析 | 第51-53页 |
4.6 本章小结 | 第53-54页 |
第五章 基于相似性分析结果进行图像推荐 | 第54-61页 |
5.1 VROI对应的相似集的存储方式 | 第55-56页 |
5.2 相似性阈值和图像推荐数量 | 第56-58页 |
5.2.1 需求图像数量下相似性阈值的设定 | 第56-57页 |
5.2.2 程序中直接控制所推荐图像的数量 | 第57页 |
5.2.3 两者间的比较 | 第57-58页 |
5.3 图像推荐算法设计 | 第58-60页 |
5.3.1 推荐算法的描述 | 第58-59页 |
5.3.2 改变VROI倾向顺序的量值 | 第59-60页 |
5.4 本章小结 | 第60-61页 |
第六章 总结与展望 | 第61-63页 |
6.1 成果和创新 | 第61-62页 |
6.1.1 论文成果 | 第61-62页 |
6.1.2 论文创新点 | 第62页 |
6.2 未来展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-70页 |
攻读硕士学位期间参与科研项目 | 第70-71页 |