| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 视觉注意的研究动机 | 第8-9页 |
| 1.2 视觉注意研究的意义与应用 | 第9-10页 |
| 1.3 主要工作和创新点 | 第10页 |
| 1.4 论文的内容安排 | 第10-12页 |
| 第二章 视觉注意的研究背景 | 第12-23页 |
| 2.1 视觉注意的相关概念 | 第12-14页 |
| 2.1.1 视觉注意是一个选择性过程 | 第12-13页 |
| 2.1.2 外显性注意与内隐性注意 | 第13页 |
| 2.1.3 自下而上(Bottom-up)和自上而下(Top-down)的视觉注意 | 第13-14页 |
| 2.1.4 基于空间(Space-based)和基于物体(Object-based)的视觉注意 | 第14页 |
| 2.2 视觉注意的心理学模型 | 第14-17页 |
| 2.2.1 Treisman的特征综合理论 | 第14-16页 |
| 2.2.2 Wolfe的引导搜索模型 | 第16-17页 |
| 2.3 视觉注意的可计算模型 | 第17-22页 |
| 2.3.1 具有生物可信性的Itti模型 | 第17-19页 |
| 2.3.2 基于信息理论的AIM模型 | 第19-21页 |
| 2.3.3 基于频域尺度空间分析的HFT模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于结构复杂度特征融合的视觉显著性模型 | 第23-37页 |
| 3.1 模型介绍 | 第23-29页 |
| 3.1.1 颜色空间转换 | 第24-25页 |
| 3.1.2 多尺度分析 | 第25-27页 |
| 3.1.3 显著图的合成 | 第27-29页 |
| 3.2 实验结果与分析 | 第29-36页 |
| 3.2.1 如何评价显著图的好坏 | 第30-31页 |
| 3.2.2 自然图像中的目标检测 | 第31-32页 |
| 3.2.3 心理学图像中的目标检测 | 第32-35页 |
| 3.2.4 运行速度比较 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于哈尔特征与结构复杂度特征融合的视觉显著性模型 | 第37-46页 |
| 4.1 积分图 | 第37-39页 |
| 4.2 哈尔特征 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-45页 |
| 4.3.1 自然图像中的目标检测 | 第40-42页 |
| 4.3.2 心理学图像中的目标检测 | 第42-45页 |
| 4.3.3 运行速度的比较 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于显著图的自动目标分割算法 | 第46-57页 |
| 5.1 图切割(Graph Cut)算法 | 第47-48页 |
| 5.2 基于显著图的自动目标分割 | 第48-51页 |
| 5.2.1 种子区域的提取 | 第48-49页 |
| 5.2.2 图切割算法中的权值计算 | 第49-51页 |
| 5.2.3 迭代分割 | 第51页 |
| 5.3 实验结果 | 第51-56页 |
| 5.3.1 显著图的比较 | 第52页 |
| 5.3.2 目标种子精度的比较 | 第52-56页 |
| 5.3.3 分割结果比较 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表论文 | 第62-63页 |
| 致谢 | 第63-64页 |
