基于眼动追踪技术的区域显著性评估方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 绪论 | 第11-19页 |
| ·眼动仪及眼动追踪技术概述 | 第11-14页 |
| ·眼动仪简介 | 第11-12页 |
| ·眼动追踪技术概述 | 第12-14页 |
| ·局部特征描述子算法的发展及分类 | 第14-17页 |
| ·本文主要研究内容和创新点 | 第17-18页 |
| ·本文章节安排 | 第18-19页 |
| 2 相关研究工作综述 | 第19-38页 |
| ·图像局部特征点描述子算法 | 第19-24页 |
| ·图像局部特征点描述子算法概述 | 第19-21页 |
| ·尺度不变特征变化(SIFT)算法 | 第21-24页 |
| ·选择性注意机制及视觉显著性计算模型 | 第24-34页 |
| ·选择性注意机制 | 第24-26页 |
| ·视觉显著性计算模型 | 第26-34页 |
| ·基于BoW的图像检索介绍 | 第34-38页 |
| ·词袋模型(BoW) | 第34-36页 |
| ·基于BoW的图像检索 | 第36-38页 |
| 3 基于局部对称性的SIFT特征点选择 | 第38-51页 |
| ·引言 | 第38-39页 |
| ·对称性及对称性算子 | 第39-45页 |
| ·视觉中的对称性 | 第39-40页 |
| ·对称性算子 | 第40-42页 |
| ·SIFT特征点的局部对称性度量 | 第42-45页 |
| ·基于局部对称性的图像检索 | 第45-47页 |
| ·过滤方法 | 第45-46页 |
| ·加权策略 | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·过滤方法实验结果 | 第48页 |
| ·加权策略实验结果 | 第48-49页 |
| ·图像检索结果示例及分析 | 第49-51页 |
| 4 基于眼动追踪技术的SIFT特征点排序 | 第51-61页 |
| ·引言 | 第51-52页 |
| ·基于学习的排序模型 | 第52-55页 |
| ·Rank-SVM模型 | 第52-54页 |
| ·Rank-SIFT算法 | 第54-55页 |
| ·眼动实验 | 第55-59页 |
| ·基于眼动追踪技术的Rank-SIFT算法 | 第59页 |
| ·实验结果与分析 | 第59-61页 |
| 5 总结和展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
