声明
致谢
摘要
序
1 绪论
1.1 眼动仪及眼动追踪技术概述
1.1.1 眼动仪简介
1.1.2 眼动追踪技术概述
1.2 局部特征描述子算法的发展及分类
1.3 本文主要研究内容和创新点
1.4 本文章节安排
2 相关研究工作综述
2.1 图像局部特征点描述子算法
2.1.1 图像局部特征点描述子算法概述
2.1.2 尺度不变特征变化(SIFT)算法
2.2 选择性注意机制及视觉显著性计算模型
2.2.1 选择性注意机制
2.2.2 视觉显著性计算模型
2.3 基于BoW的图像检索介绍
2.3.1 词袋模型(BoW)
2.3.2 基于BoW的图像检索
3 基于局部对称性的SIFT特征点选择
3.1 引言
3.2 对称性及对称性算子
3.2.1 视觉中的对称性
3.2.2 对称性算子
3.2.3 SIFT特征点的局部对称性度量
3.3 基于局部对称性的图像检索
3.3.1 过滤方法
3.3.2 加权策略
3.4 实验结果与分析
3.4.1 过滤方法实验结果
3.4.2 加权策略实验结果
3.4.3 图像检索结果示例及分析
4 基于眼动追踪技术的SIFT特征点排序
4.1 引言
4.2 基于学习的排序模型
4.2.1 Rank-SVM模型
4.2.2 Rank-SIFT算法
4.3 眼动实验
4.4 基于眼动追踪技术的Rank-SIFT算法
4.5 实验结果与分析
5 总结和展望
参考文献
作者简历
学位论文数据集
北京交通大学;