| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题的研究背景及意义 | 第10-13页 |
| 1.1.1 视觉选择性注意机制 | 第10-11页 |
| 1.1.2 图像分类 | 第11-13页 |
| 1.2 视觉选择性注意机制和图像分类的发展现状 | 第13-17页 |
| 1.2.1 视觉选择性注意机制的发展现状 | 第13-16页 |
| 1.2.2 图像分类的发展现状 | 第16-17页 |
| 1.3 本文的主要研究内容和创新成果 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17页 |
| 1.3.2 创新成果 | 第17-19页 |
| 第2章 人眼视觉系统与注意机制 | 第19-27页 |
| 2.1 人眼的结构 | 第19-20页 |
| 2.2 人眼的视觉信息处理机制 | 第20-24页 |
| 2.2.1 自底而上(Bottom-Up)的控制策略 | 第22页 |
| 2.2.2 自顶而下(Top-Down)的控制策略 | 第22-23页 |
| 2.2.3 视觉尺度空间思想 | 第23-24页 |
| 2.2.4 眼动与注意转移 | 第24页 |
| 2.3 视觉选择注意机制在图像处理中的应用 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 引入视觉注意机制的图像显著区域提取 | 第27-46页 |
| 3.1 基于视觉注意机制的显著点检测 | 第27-40页 |
| 3.1.1 特征通道分解 | 第27-31页 |
| 3.1.2 特征图生成 | 第31-37页 |
| 3.1.3 显著图(saliency map)生成 | 第37-40页 |
| 3.2 基于视觉注意的显著区域提取 | 第40-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 视觉注意机制在图像分类中的应用 | 第46-65页 |
| 4.1 底层特征的提取 | 第46-48页 |
| 4.2 视觉注意力特征的提取 | 第48-56页 |
| 4.2.1 基于视觉选择性注意模型的显著性度量 | 第49-50页 |
| 4.2.2 基于稀少性的显著性度量 | 第50-54页 |
| 4.2.3 特征向量的生成 | 第54-56页 |
| 4.3 基于视觉注意力机制的图像分类 | 第56-64页 |
| 4.3.1 基于“文词”的分类方法 | 第56-57页 |
| 4.3.2 支持向量机（SVM）分类器 | 第57-62页 |
| 4.3.3 实验结果 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 结论 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |
