| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要中英文术语对照表 | 第13-15页 |
| 第1章 绪论 | 第15-34页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-29页 |
| 1.2.1 高分辨率遥感影像特征提取研究现状 | 第18-22页 |
| 1.2.2 高分辨率遥感影像目标检测研究现状 | 第22-24页 |
| 1.2.3 生物视觉及其启发方法的研究现状 | 第24-29页 |
| 1.3 本文的研究内容与主要创新点 | 第29-31页 |
| 1.3.1 研究内容 | 第29-30页 |
| 1.3.2 主要创新点 | 第30-31页 |
| 1.4 本文的组织结构 | 第31-32页 |
| 1.5 本文受资助的项目 | 第32-33页 |
| 1.6 本章小结 | 第33-34页 |
| 第2章 人类视觉系统的信息处理机理及其最新研究进展 | 第34-44页 |
| 2.1 人类视觉系统 | 第34-36页 |
| 2.2 腹侧通路信息处理机制及其重要的生物特性 | 第36-42页 |
| 2.2.1 腹侧通路的选择性 | 第37-39页 |
| 2.2.2 腹侧通路的不变性 | 第39-41页 |
| 2.2.3 选择性与不变性的关系 | 第41-42页 |
| 2.3 腹侧通路的稀疏性与稀疏表示 | 第42-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第3章 稀疏表示及高分辨率遥感影像的稀疏不变特征提取 | 第44-71页 |
| 3.1 视觉系统的稀疏编码与稀疏表示 | 第44-48页 |
| 3.1.1 基于基函数的稀疏表示 | 第44-46页 |
| 3.1.2 基于过完备词典的稀疏表示 | 第46-48页 |
| 3.2 基于稀疏表示的高分辨率遥感影像的纹理特征提取 | 第48-55页 |
| 3.2.1 KSVD算法 | 第48-50页 |
| 3.2.2 OMP算法 | 第50-53页 |
| 3.2.3 过完备词典 | 第53-54页 |
| 3.2.4 基于稀疏表示的纹理特征提取 | 第54-55页 |
| 3.3 稀疏且旋转不变的高分辨率遥感影像纹理特征提取及其分析 | 第55-69页 |
| 3.3.1 视觉系统中的汇聚与不变性 | 第56页 |
| 3.3.2 扩展过完备词典 | 第56-58页 |
| 3.3.3 基于稀疏表示的方向汇聚方法——OPSR | 第58-60页 |
| 3.3.4 基于OPSR的纹理特征提取实验与分析 | 第60-69页 |
| 3.4 本章小结 | 第69-71页 |
| 第4章 视觉系统腹侧通路信息处理机制及其影像特征提取 | 第71-102页 |
| 4.1 层次化视觉感知与视皮层模型 | 第71-82页 |
| 4.1.1 神经认知机 | 第71-73页 |
| 4.1.2 VisNet模型 | 第73-74页 |
| 4.1.3 HMAX模型及其发展 | 第74-76页 |
| 4.1.4 视皮层标准模型 | 第76-80页 |
| 4.1.5 视皮层标准模型的局限性与改进方向 | 第80-82页 |
| 4.2 增强的视皮层标准模型 | 第82-89页 |
| 4.2.1 模型实现 | 第83-85页 |
| 4.2.2 原型词典的学习 | 第85-86页 |
| 4.2.3 稀疏性分析 | 第86-89页 |
| 4.2.4 增强的ST模型与ST模型的差异 | 第89页 |
| 4.3 基于增强的视皮层标准模型的影像特征提取 | 第89-101页 |
| 4.3.1 数据集 | 第90页 |
| 4.3.2 通用词典的学习 | 第90页 |
| 4.3.3 增强的ST模型性能测试与分析 | 第90-100页 |
| 4.3.4 小结 | 第100-101页 |
| 4.4 本章小结 | 第101-102页 |
| 第5章 视觉选择注意机制及多线索集成的高分辨率遥感影像目标检测 | 第102-157页 |
| 5.1 视觉选择注意机制 | 第102-108页 |
| 5.1.1 视觉注意的神经生理基础 | 第103-104页 |
| 5.1.2 视觉注意的层次性 | 第104-105页 |
| 5.1.3 注意的早选择与晚选择理论 | 第105-106页 |
| 5.1.4 注意资源的有限性与竞争 | 第106-107页 |
| 5.1.5 注意、视觉搜索与目标检测 | 第107-108页 |
| 5.2 视觉选择注意模型 | 第108-116页 |
| 5.2.1 显著性度量与自底向上视觉选择注意模型 | 第108-113页 |
| 5.2.2 自顶向下的视觉选择注意模型 | 第113-114页 |
| 5.2.3 集成自底向上和自顶向下的视觉选择注意模型 | 第114-116页 |
| 5.3 基于贝叶斯方法的视觉感知与注意 | 第116-131页 |
| 5.3.1 贝叶斯网络及推理 | 第117-124页 |
| 5.3.2 视觉感知的贝叶斯框架 | 第124-126页 |
| 5.3.3 基于贝叶斯推理的视觉注意 | 第126-131页 |
| 5.4 集成多线索的基于贝叶斯推理的视觉选择注意 | 第131-156页 |
| 5.4.1 集成多线索的基于贝叶斯推理的视觉注意模型 | 第132-135页 |
| 5.4.2 多线索的获取与贝叶斯网络构建 | 第135-141页 |
| 5.4.3 贝叶斯推理 | 第141-143页 |
| 5.4.4 高分辨率遥感影像的目标检测实验及其分析 | 第143-156页 |
| 5.5 本章小结 | 第156-157页 |
| 第6章 总结与展望 | 第157-160页 |
| 6.1 本文的研究工作总结 | 第157-158页 |
| 6.2 研究展望 | 第158-160页 |
| 参考文献 | 第160-175页 |
| 致谢 | 第175-176页 |
| 攻读学位期间发表的学术论文及其他科研工作 | 第176-178页 |
| 附件 | 第178页 |
