文摘
英文文摘
致谢
1 引言
1.1 问题描述
1.2 研究意义
1.3 国内外研究现状
1.3.1 知觉组织的发展及研究现状
1.3.2 注意理论的发展及研究现状
1.3.3 轮廓编组的发展及研究现状
1.4 本文的研究内容
1.5 本文的组织结构
1.6 小结
2 知觉组织相关理论研究综述
2.1 知觉组织的认知机制
2.1.1 格式塔知觉组织规则
2.1.2 格式塔知觉组织规则间的关系
2.2 知觉组织的神经机制
2.2.1 人类视觉感知系统概述
2.2.2 知觉组织在人类视觉皮层的神经机制
2.3 知觉组织与注意的关系
2.4 知觉组织与自然图像统计特性的关系
2.5 小结
3 基于全局显著信息的多尺度边缘检测算法
3.1 引言
3.2 相关工作
3.2.1 单特征单尺度的边缘检测算法
3.2.2 多特征多尺度的边缘检测算法
3.2.3 结合中、高级信息的边缘检测算法
3.3 全局显著信息
3.3.1 显著性计算
3.3.2 显著区域及全局显著信息
3.4 多尺度的显著边缘检测
3.4.1 基于全局显著信息的空间先验
3.4.2 单尺度的边缘检测
3.4.3 多特征检测结果的组合
3.4.4 多尺度的显著边缘检测
3.5 与相关工作的比较
3.5.1 评价标准
3.5.2 实验结果及分析
3.6 小结
4 轮廓编组中格式塔线索的度量与评价
4.1 引言
4.2 相关工作
4.2.1 反映局部性质的编组线索的度量
4.2.2 反映整体性质的编组线索的度量
4.2.3 其他的相似性度量方法
4.3 人工标注的有向边缘数据集
4.3.1 边缘的表示
4.3.2 交互式的边缘对标注
4.4 格式塔线索的度量与评价
4.4.1 格式塔线索的度量
4.4.2 相似性度量中的参数选择
4.4.3 与其他度量方法的比较
4.5 小结
5 生成式的格式塔线索合并模型
5.1 引言
5.2 相关工作
5.2.1 线性的线索合并模型
5.2.2 生成式模型与判别式模型的区别
5.3 邻近性为主导的编组概率计算
5.4 自然图像中格式塔线索的统计信息
5.4.1 邻近性的统计信息
5.4.2 连续性与相似性的统计信息
5.5 生成式的线索合并模型
5.5.1 线性合并规则的适用范围
5.5.2 模型描述
5.5.3 参数估计
5.5.4 与其他模型结果的比较
5.6 小结
6 全局显著信息指导下的轮廓编组算法
6.1 引言
6.2 相关工作
6.2.1 优化目标的定义
6.2.2 优化目标的求解
6.3 全局显著信息指导下的轮廓编组算法
6.3.1 显著目标的轮廓编组
6.3.2 显著图的构建
6.3.3 代价函数最小值的求解
6.4 轮廓编组算法的层次化--基于目标的注意模型
6.4.1 基于目标的注意理论及模型简介
6.4.2 基于目标的注意模型的实现
6.5 实验结果及分析
6.5.1 轮廓编组的实验
6.5.2 基于目标的层次化注意模型实验
6.6 小结
7 总结与展望
7.1 全文工作总结
7.2 进一步研究设想
参考文献
作者简历
学位论文数据集