摘要5-7
ABSTRACT7-16
第一章 绪论16-29
1.1 探讨目的和作用16-17
1.2 探讨近况17-26
1.2.1 图像分割18-20
1.2.2 目标识别20-22
1.2.3 基于视觉层次感知机制的图像理解22-23
1.2.4 图像特点表达23-25
1.2.5 分类器25-26
1.3 探讨内容26-27
1.4 论文特点与革新27-28
1.5 论文结构28-29
第二章 视皮层感知机制29-47
2.1 引言29-30
2.2 视觉系统的层次30
2.3 视皮层的感知结构30-32
2.3.1 视网膜31-32
2.3.2 侧膝体32
2.3.3 视觉皮层32
2.4 其它特性32-34
2.4.1 反馈和侧向连接32-33
2.4.2 视觉感受野特性33-34
2.4.3 超柱结构34
2.4.4 学习机制34
2.5 生物视觉计算模型34-39
2.5.1 视觉感知层次结构35-36
2.5.2 视觉感知层次计算模型36-37
2.5.3 视觉感知中重要的功能机制37-39
2.6 基于视觉感知层次模型的人脸识别39-45
2.6.1 人脸识别模型概述39
2.6.2 模型功能实现39-42
2.6.3 实验及结果42-45
2.7 本章小结45-47
第三章 多特点彩像分割模型47-65
3.1 引言47-48
3.2 相关工作48-51
3.2.1 探讨近况48-50
3.2.2 神经科学基础50-51
3.3 模型概述51-57
3.3.1 K 通路计算51-53
3.3.2 P 通路计算53-54
3.3.3 M 通路的计算54-55
3.3.4 其它视觉区域计算55-57
3.4 实验57-60
3.4.1 BPNN 训练57-58
3.4.2 分割策略比较58-60
3.5 算法与实验浅析60-63
3.5.1 先融合与后融合60
3.5.2 二元分割的优化60-62
3.5.3 性能评估62-63
3.6 本章小结63-65
第四章 BU&TD 图像分割模型65-84
4.1 引言65-66
4.2 神经科学背景66-68
4.2.1 Trickle-up 通路67
4.2.2 Trickle-down 通路67-68
4.3 BU&TD 组合模型概述68-76
4.3.1 生成特点片段集69-70
4.3.2 匹配 BU 结果70-73
4.3.3 优化匹配子集73-76
4.3.4 像素标识76
4.4 实验76-82
4.4.1 概率分布的学习76-77
4.4.2 图像分割77-79
4.4.3 影响因素浅析79-80
4.4.4 片段相关性80-82
4.4.5 多目标分割82
4.5 本章小结82-84
第五章 多特点场景分类模型84-96
5.1 分类模型85-86
5.2 HF 模型86-87
5.3 多尺度边缘特点87-89
5.4 颜色特点89
5.5 分类89-90
5.6 实验评估90-94
5.6.1 Edge 路径分类90-91
5.6.2 Edge 路径+Shape 路径91-92
5.6.3 MFBIM 识别92-94
5.7 总结94-96
第六章 BU&TD 目标识别模型96-108
6.1 引言96-97
6.2 模型概述97-105
6.2.1 L 特点97-99
6.2.2 H 图像99-100
6.2.3 Gist-based 特点100
6.2.4 OFC100-103
6.2.5 PHC103-104
6.2.6 IT104-105
6.3 实验105-107
6.4 总结107-108
第七章 总结与展望108-112
7.1 工作总结108-109
7.2 本论新与特点109-111
7.3 进一步的探讨111-112
致谢112-113