基于视觉感知的图像理解方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-14页 |
| 第一章 绪论 | 第14-26页 |
| ·选题背景及意义 | 第14-15页 |
| ·图像理解研究的主要内容 | 第15-16页 |
| ·目前国内外研究状况分析 | 第16-17页 |
| ·人的视觉与计算视觉以及图像理解 | 第17-18页 |
| ·图像理解方法 | 第18-19页 |
| ·图像理解的发展和应用 | 第19-20页 |
| ·本文研究所包括的主要内容及创新点 | 第20-22页 |
| ·本研究的主要思路 | 第22-24页 |
| ·Kosslyn模型 | 第22-23页 |
| ·研究思路 | 第23-24页 |
| ·本文的主攻方向及论文安排 | 第24-26页 |
| 第二章 视觉研究 | 第26-43页 |
| ·问题提出与动机 | 第26-28页 |
| ·背景与前景 | 第26-27页 |
| ·人的视觉感知 | 第27-28页 |
| ·人视觉识别的研究 | 第28-30页 |
| ·三维视觉感知的研究 | 第30-40页 |
| ·低级的视觉处理过程 | 第31-32页 |
| ·3D目标感知的高层理论 | 第32-36页 |
| ·高层理论的行为学和生理学证据 | 第36-39页 |
| ·结论 | 第39-40页 |
| ·机器视觉的实现 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 图像理解体系结构研究 | 第43-53页 |
| ·图像理解要解决的基本问题及实现方法 | 第44-45页 |
| ·图像理解的层次结构 | 第45-46页 |
| ·典型的图像理解模型 | 第46-47页 |
| ·图像理解框架结构 | 第47-48页 |
| ·基于范例推理的图像理解系统设计 | 第48-52页 |
| ·智能图像分割模块 | 第49-50页 |
| ·图像解释模块 | 第50页 |
| ·范例推理 | 第50-51页 |
| ·通用知识的集成 | 第51页 |
| ·调度模块 | 第51页 |
| ·系统中存在的主要问题 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 图像分割方法的研究 | 第53-69页 |
| ·分割方法概述 | 第53-55页 |
| ·分割方法介绍 | 第55-56页 |
| ·区域增长的分割方法 | 第55页 |
| ·基于边界的分割方法 | 第55-56页 |
| ·边缘检测方法比较 | 第56-58页 |
| ·边界检测的进一步处理算法 | 第58-63页 |
| ·边界的重建 | 第59-60页 |
| ·边界迭代细化 | 第60页 |
| ·端点恢复和边界的规整 | 第60-61页 |
| ·端点的标注 | 第61-62页 |
| ·边界的连接 | 第62-63页 |
| ·图像的再分割 | 第63页 |
| ·自适应分割讨论 | 第63-66页 |
| ·视觉感知分割研究 | 第66-67页 |
| ·视觉立体感知的机理 | 第66-67页 |
| ·视觉感知分割算法 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第五章 形状表示和描述 | 第69-78页 |
| ·介绍 | 第69-70页 |
| ·基于边界的描述技术 | 第70-73页 |
| ·边界标量技术 | 第70-71页 |
| ·空间域技术 | 第71-73页 |
| ·基于区域的描述方法 | 第73-74页 |
| ·几何描述算子 | 第73-74页 |
| ·一种改进的链码表示方法 | 第74页 |
| ·三维信息的获取 | 第74-76页 |
| ·三维形状的描述 | 第74-75页 |
| ·目标中轴的获取 | 第75-76页 |
| ·目标骨架的提取算法 | 第76页 |
| ·视觉的形状感知研究 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 知识表示与感知推理 | 第78-92页 |
| ·概述 | 第78-80页 |
| ·图像理解中知识的应用和分类 | 第80-82页 |
| ·图像理解中知识的表示方法 | 第82-85页 |
| ·分割知识的表示 | 第83页 |
| ·解释知识的表示 | 第83-84页 |
| ·知识策略 | 第84-85页 |
| ·多知识源的集成 | 第85页 |
| ·感知组织形式 | 第85-86页 |
| ·证据的合成方法 | 第86-88页 |
| ·线性组合 | 第87页 |
| ·固定常量因子 | 第87页 |
| ·神经元网络 | 第87-88页 |
| ·不确定性推理方法 | 第88-90页 |
| ·本章小结 | 第90-92页 |
| 第七章 图像理解方法 | 第92-103页 |
| ·基本概念 | 第92-96页 |
| ·特征 | 第93-94页 |
| ·搜索 | 第94页 |
| ·模型 | 第94页 |
| ·匹配 | 第94-95页 |
| ·匹配理论的一种抽象形式 | 第95-96页 |
| ·模型假设和解释假设 | 第96-97页 |
| ·模型假设 | 第96-97页 |
| ·解释假设 | 第97页 |
| ·特征生成模型 | 第97-99页 |
| ·模型驱动的特征生成方法 | 第98-99页 |
| ·特征匹配 | 第99-101页 |
| ·关系匹配理解 | 第101页 |
| ·视觉理解研究 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 第八章 图像理解的一个实例 | 第103-121页 |
| ·简介 | 第103-105页 |
| ·机场跑道的理解模型 | 第105-106页 |
| ·实现跑道理解的基本思想 | 第106-109页 |
| ·理解的实现算法 | 第109-117页 |
| ·假设过程 | 第109-116页 |
| ·边缘检测及细化 | 第109-110页 |
| ·曲线搜索 | 第110-112页 |
| ·曲线连接 | 第112-113页 |
| ·直线搜索判断 | 第113-114页 |
| ·直线合并连接 | 第114-115页 |
| ·直线对的获取 | 第115-116页 |
| ·检验过程 | 第116页 |
| ·描述过程 | 第116-117页 |
| ·实验结果 | 第117页 |
| ·一个仿真自动识别系统的设计 | 第117-120页 |
| ·本章小结 | 第120-121页 |
| 讨论与展望 | 第121-123页 |
| 参考文献 | 第123-132页 |
| 学习期间所发表论文及参加项目 | 第132-133页 |
| 致谢 | 第133-134页 |
| 作者简介 | 第134-135页 |
| 西北工业大学学位论文知识产权声明书 | 第135页 |
| 西北工业大学学位论文原创性声明 | 第135页 |
