 |
-- 會員 / 註冊 --
|
 |
|
|
|
圖像特征提取與檢索技術 ( 簡體 字) |
| 作者：孫君頂 等 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 42153
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：7/1/2015 |
| 頁數：380 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121252716 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言： 隨著數字影像技術和網絡技術的迅速發展，數字圖像已經成為一種被廣泛使用的媒體形式。相比于文本信息，數字圖像更為形象生動、逼真直觀，是一種獨立性很強的信息載體，所以被迅速地應用于各種領域，如數字圖書館、新聞媒體、醫學圖像管理、衛星遙感圖像、商標版權管理及地理信息系統等。
但是，目前數字化設備還無法實現對大量圖像庫的有效管理，用戶還需要根據特定的分類技術和檢索技術實現管理和查詢，因此建立快速、有效的圖像檢索系統已經成為一個重要的研究方向。圖像檢索系統不僅需要能夠駕馭巨大的圖像庫，快速響應用戶的查詢要求，而且還應當能夠反饋給用戶準確的、盡可能多的圖像資料。為了實現上述目標，研究者進行了大量的研究，形成了具有指導意義的理論，提出了很多具有一定效果的圖像檢索技術和系統。從發展的過程來看，圖像檢索技術主要包括基于文本的圖像檢索技術、基于內容的圖像檢索技術及兩者的融合技術——自動圖像標注技術。
國內外至今已經出現了大量有關基于內容的圖像檢索技術方面的文章和著作，國際上每年也都召開許多有關信息檢索技術方面的學術會議，許多大會都有圖像檢索技術的主題和分會。早期的著作《基于內容的視覺信息檢索》（章毓晉著，科學出版社2003年出版）及《網上多媒體信息分析與檢索》（莊越挺等著，清華大學出版社2002年出版）對基于內容的圖像檢索技術作了一定的闡述；2007年，清華大學出版社出版了周明全等著的《基于內容圖像檢索技術》，對基于內容的圖像檢索技術作了較全面的論述；我們于2009年在電子工業出版社出版的著作《圖像低層特征提取與檢索技術》主要針對圖像低層特征的提取與檢索進行了全面的論述。近年來，圖像檢索技術發展迅速，各種新技術及方法不斷涌現，我們在傳統圖像檢索技術的基礎上，進一步對圖像檢索新技術進行了總結。
全書共有6章，具體內容安排如下：第1章介紹了CBIR的發展與現狀、CBIR的研究內容與其所涉及的關鍵技術、CBIR的應用及一些經典的CBIR系統；第2章介紹了圖像低層特征的提取與表達技術，主要涉及圖像的顏色、形狀和紋理3種基本特征，又介紹了MPEG-7中的圖像低層特征描述符；第3章介紹了基于壓縮域的圖像檢索技術，包括空間壓縮域和變換壓縮域中常用的描述算法，并介紹了兩種基于DCT壓縮域的圖像紋理及形狀特征提取方法；第4章介紹了視覺注意計算模型，引入了基于特征加權、基于高斯混合和基于CIELab的3種視覺注意計算模型；第5章介紹了自動圖像標注技術，主要討論了圖像視覺特征選擇、低層特征到高層語義之間映射模型的建立兩個方面的問題；第6章針對圖像檢索中的維數災難問題，詳細討論了子空間特征提取技術。
本書由河南理工大學孫君頂博士撰寫第1章、毋小省副教授撰寫第2章、趙珊博士撰寫第3章、郭海儒博士撰寫第4章、王科平博士撰寫第5章、王永茂博士撰寫第6章，全書由孫君頂博士負責統稿及審校。本書結合CBIR技術的研究現狀及發展方向，既參考了許多他人的有關文獻，也結合了作者近年來在該領域的研究成果。
本書的出版得到河南省骨干教師資助計劃（2010GGJS-059）、河南省國際合作項目（134300510057）及河南理工大學計算機學院的資助。
由于作者水平有限及國內外針對CBIR技術研究的逐步深入，書中的不妥與疏漏之處在所難免，敬請讀者指正。
作者
2015年6月 |
內容簡介：本書對基于內容的圖像檢索（Content-Based Image Retrieval，CBIR）技術的基本原理、圖像特征提取與檢索方法進行了比較詳細的介紹和討論，并融入了作者多年來的相關研究成果。本書共有6章，第1章介紹了CBIR的發展與現狀、研究內容及涉及的關鍵技術，第2章介紹了圖像低層特征的提取與表達技術，第3章介紹了基于壓縮域的圖像檢索技術，第4章介紹了視覺注意計算模型，第5章介紹了自動圖像標注技術，第6章介紹了子空間特征提取技術。 |
目錄：第1章 基于內容的圖像檢索與關鍵技術 1
1.1 圖像檢索技術的發展 1
1.1.1 基于文本的圖像檢索 2
1.1.2 基于內容的圖像檢索 3
1.1.3 自動圖像標注技術 6
1.1.4 國內外研究狀況 6
1.2 CBIR的研究內容 10
1.2.1 特征提取與匹配 10
1.2.2 索引機制 10
1.2.3 用戶接口 11
1.3 CBIR的關鍵技術 12
1.3.1 基本檢索原理 12
1.3.2 圖像內容及檢索層次 13
1.3.3 常用特征描述方法 14
1.3.4 特征匹配技術 19
1.3.5 稀疏表示技術 25
1.3.6 性能評價準則 27
1.4 CBIR的應用與經典系統 30
1.4.1 CBIR的應用 30
1.4.2 經典CBIR系統介紹 31
1.5 本書內容安排 38
參考文獻 39
第2章 圖像低層特征的提取與表達 45
2.1 顏色特征的提取與表達 45
2.1.1 顏色空間 45
2.1.2 顏色量化 50
2.1.3 全局顏色特征 51
2.1.4 空間顏色特征 56
2.2 形狀特征的提取與表達 68
2.2.1 概述 68
2.2.2 基于輪廓的描述方法 69
2.2.3 基于區域的描述方法 89
2.3 紋理特征的提取與表達 103
2.3.1 概述 103
2.3.2 常用的紋理分析方法 104
2.3.3 局部二值模式 116
2.3.4 紋理基元共生矩陣 128
2.4 MPEG-7中的圖像特征描述符 131
2.4.1 顏色描述符 133
2.4.2 形狀描述符 134
2.4.3 紋理描述符 135
參考文獻 136
第3章 基于壓縮域的圖像檢索技術 146
3.1 概述 146
3.1.1 圖像壓縮技術 147
3.1.2 靜態圖像壓縮標準 153
3.1.3 壓縮域圖像檢索的原理 162
3.1.4 壓縮域圖像檢索的研究內容 164
3.1.5 壓縮域圖像檢索的研究方法 164
3.2 空間壓縮域技術 166
3.2.1 矢量量化 166
3.2.2 分形編碼 169
3.2.3 預測編碼 171
3.3 變換壓縮域技術 172
3.3.1 基于DFT壓縮域 172
3.3.2 基于DCT壓縮域 173
3.3.3 基于小波壓縮域 181
3.3.4 基于K-L變換域 186
3.4 空間域和變換域的融合檢索 188
3.5 DCT壓縮域內的紋理特征 189
3.5.1 復雜度的定義 190
3.5.2 復雜度直方圖 191
3.6 DCT壓縮域內的形狀特征 193
3.6.1 理想邊緣模型DCT塊的分類 193
3.6.2 空間邊緣分布特征的提取 195
參考文獻 196
第4章 視覺注意計算模型 205
4.1 概述 205
4.1.1 人類視覺系統 205
4.1.2 視覺系統理論 207
4.1.3 研究現狀 214
4.2 基于特征加權的視覺注意計算模型 219
4.2.1 模型實現過程 219
4.2.2 物體識別實驗 223
4.2.3 物體搜索實驗 226
4.3 基于高斯混合的視覺注意計算模型 229
4.3.1 高斯混合模型 230
4.3.2 基于GMM的視覺注意計算模型 232
4.3.3 實驗與分析 236
4.4 基于CIELab的視覺注意計算模型 239
4.4.1 模型實現過程 240
4.4.2 實驗與分析 245
參考文獻 255
第5章 自動圖像標注技術 261
5.1 概述 261
5.1.1 自動圖像標注概述及研究意義 261
5.1.2 自動圖像標注的關鍵問題 264
5.2 圖像視覺特征選擇 265
5.2.1 視覺特征選擇 265
5.2.2 視覺特征加權 266
5.3 自動圖像標注模型 273
5.3.1 基于生成模型的標注方法 273
5.3.2 基于判別模型的標注方法 279
5.3.3 基于多示例學習的標注方法 289
參考文獻 314
第6章 子空間特征提取技術 321
6.1 概述 321
6.1.1 降維原因 321
6.1.2 子空間特征提取方法的形式化描述及分類 323
6.2 經典的子空間特征提取方法 324
6.2.1 線性方法 324
6.2.2 核方法 326
6.2.3 流形方法 328
6.2.4 半監督方法 333
6.2.5 張量方法 334
6.2.6 圖嵌入框架 334
6.3 基于自適應近鄰圖嵌入的局部鑒別投影方法 339
6.3.1 方法提出的背景 339
6.3.2 LFDA 339
6.3.3 LADP 342
6.4 基于對角圖像的模糊線性鑒別分析 347
6.4.1 方法提出的背景 347
6.4.2 FLDA 347
6.4.3 對角圖像 353
6.4.4 DiaFLDA 354
6.5 DCT域內拉普拉斯值排序的子空間特征提取方法 357
6.5.1 方法提出的背景 357
6.5.2 離散余弦變換（DCT） 357
6.5.3 局部保持能力判據 359
6.5.4 DCT/LS+LPP 361
參考文獻 362 |
| 序： |
|
