| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景 | 第11-18页 |
| ·视觉显著性研究现状 | 第13-15页 |
| ·知觉编组原理研究现状 | 第15-18页 |
| ·本文主要工作及章节安排 | 第18-21页 |
| ·本文主要工作 | 第18-19页 |
| ·本文章节安排 | 第19-21页 |
| 第二章 基于适宜尺度选择的谱残差子目标区域提取方法 | 第21-35页 |
| ·谱残差显著性检测方法 | 第21-23页 |
| ·地面场景图像尺度效应分析 | 第23-29页 |
| ·尺度转换及尺度效应 | 第24-25页 |
| ·尺度转换效应评价 | 第25-26页 |
| ·尺度转换效应分析 | 第26-29页 |
| ·地面场景图像适宜尺度选择 | 第29-32页 |
| ·最优尺度与适宜尺度 | 第30页 |
| ·适宜尺度的计算方法 | 第30-32页 |
| ·计算适宜尺度 | 第32页 |
| ·基于适宜尺度的谱残差子目标区域提取结果与分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于梯度显著性的子目标轮廓提取方法 | 第35-52页 |
| ·经典边缘检测算子 | 第35-40页 |
| ·一阶微分边缘检测方法 | 第35-37页 |
| ·二阶微分边缘检测方法 | 第37-38页 |
| ·Canny 边缘检测方法 | 第38-40页 |
| ·传统边缘检测方法的矛盾 | 第40-42页 |
| ·基于梯度显著性的子目标轮廓提取 | 第42-48页 |
| ·梯度显著性检测 | 第43-45页 |
| ·基于梯度显著图分割的轮廓提取 | 第45-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于自调谐多路谱聚类的阵列目标识别方法 | 第52-66页 |
| ·联合区域特征和轮廓特征的子目标提取 | 第52-54页 |
| ·谱聚类方法概述 | 第54-58页 |
| ·图划分方法 | 第54-55页 |
| ·基于单特征向量的谱聚类方法 | 第55-57页 |
| ·基于多特征向量的谱聚类方法 | 第57-58页 |
| ·基于多路谱聚类的阵列目标识别 | 第58-62页 |
| ·局部尺度参数 | 第58-59页 |
| ·自动估计聚类数目 | 第59-61页 |
| ·基于多特征向量的目标分割提取 | 第61-62页 |
| ·目标识别结果及分析 | 第62-65页 |
| ·仿真图像 | 第62-63页 |
| ·军事阵地 | 第63-64页 |
| ·机械编队 | 第64-65页 |
| ·油库群 | 第65页 |
| ·本章小结 | 第65-66页 |
| 结束语 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者在学期间取得的学术成果 | 第75页 |