| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 图像显著性检测的研究现状 | 第13-14页 |
| 1.3 红外图像显著性检测研究的难点及问题 | 第14-15页 |
| 1.4 本文的工作及组织结构 | 第15-16页 |
| 第2章 红外图像显著性检测理论基础 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 显著性检测的生物学基础 | 第16-17页 |
| 2.3 典型的显著性检测方法 | 第17-25页 |
| 2.3.1 IT方法 | 第18-19页 |
| 2.3.2 MZ方法 | 第19-20页 |
| 2.3.3 LC方法 | 第20-21页 |
| 2.3.4 CA方法 | 第21-23页 |
| 2.3.5 FT方法 | 第23-25页 |
| 2.4 红外成像分析 | 第25-31页 |
| 2.4.1 红外热辐射原理 | 第25-27页 |
| 2.4.2 红外热成像原理 | 第27-28页 |
| 2.4.3 红外图像特点分析 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 结合生物视觉和谱残差的红外图像显著性检测方法 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 算法描述 | 第32-34页 |
| 3.3 实验过程与结果分析 | 第34-44页 |
| 3.3.1 实验数据集建立 | 第34-37页 |
| 3.3.2 主观视觉对比评价 | 第37-41页 |
| 3.3.3 客观量化对比实验 | 第41-43页 |
| 3.3.4 效率对比 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于卷积神经网络的红外图像显著检测方法 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 算法描述 | 第45-49页 |
| 4.2.1 卷积神经网络结构 | 第46-47页 |
| 4.2.2 多尺度特征提取 | 第47-48页 |
| 4.2.3 神经网络的训练 | 第48页 |
| 4.2.4 多尺度区域分割 | 第48-49页 |
| 4.2.5 显著性图像融合 | 第49页 |
| 4.3 实验结果与分析 | 第49-55页 |
| 4.3.1 主观视觉对比评价 | 第50-54页 |
| 4.3.2 客观量化对比实验 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |