視覺顯著性檢測方法及應用 ( 簡體 字) |
| 作者：錢曉亮 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： 49815
詢問書籍請說出此書號！【有庫存】
NT售價： 340 元 |
| 出版日：9/1/2018 |
| 頁數：228 |
| 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：9787121348037 |
| 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：隨著信息技術的發展，圖像數據的規模變得越來越大，面對如此龐大的圖像數據，如何能夠快速而準確地完成各種圖像分析任務已經成為當前研究的一個重要方向。視覺顯著性檢測是計算機視覺領域中模擬靈長類動物的視覺注意機制而出現的一個課題，它可以引導機器視覺系統將有限的硬件資源優先分配給少數幾個顯著區域，為后續的視覺處理（如圖像理解、場景分析、目標檢測和識別等）提供極大的便利。
自1998年Laurent Itti提出第一種視覺顯著性檢測方法以來，視覺顯著性檢測技術得到了越來越多的關注。越來越多的科研人員投入到視覺顯著性檢測的研究中，涌現出了大量的視覺顯著性檢測方法、開源代碼和Benchmarks，各種基于視覺顯著性的應用也層出不窮。目前，有關視覺顯著性檢測的論文、評論等相關資料較為豐富，但是相關的書籍不多，有限的幾本著作也側重于視覺顯著性的應用，尚缺乏專門針對視覺顯著性檢測方法、使讀者了解視覺顯著性檢測的來龍去脈、為以后進一步深入研究視覺顯著性檢測方法或者使用視覺顯著性檢測做相關應用奠定基礎的書籍。
本書以“保證基礎、突出能力培養”為根本出發點，對章節安排和內容描述方式做了精心設計。全書可分為4部分內容。第1部分詳細介紹了視覺顯著性檢測的定義、分類、應用等相關基礎知識，可使基礎較弱的讀者快速了解相關知識；第2部分對視覺顯著性檢測領域現有的研究工作按照設計思路的不同進行了分類介紹，并分析了現有工作存在的問題，使讀者對本領域的研究現狀有了大致的了解；第3部分按照“創新動機—設計思路—方法展開—實驗驗證”學術研究路線，詳細介紹了本書提出的3種視覺顯著性檢測方法，使讀者在學習視覺顯著性檢測方法的同時，了解學術研究的大致流程，對相關專業的高年級本科生和研究生培養起到促進作用；第4部分介紹了視覺顯著性在紅外目標預檢測和太陽能電池片表面缺陷檢測中的應用，使讀者了解視覺顯著性在實際任務中的應用方法。
我們依托鄭州輕工業學院河南省信息化電氣重點實驗室，成立了人工智能與模式識別研究室，致力于人工智能在計算機視覺和模式識別領域的研究與應用，本書即是我們研究工作的初步總結。
本書由鄭州輕工業學院電氣信息工程學院的錢曉亮博士負責第1∼5章的撰寫，曾黎老師負責第6章和第7章的撰寫，國家“千人計劃”專家王慰教授負責指導算法的設計和實驗驗證方案，王延峰教授負責全書的章節安排并審閱了書稿的全部內容。
本書的完成離不開鄭州輕工業學院電氣信息工程學院人工智能與智能系統團隊的多位老師和研究生的支持和幫助，感謝團隊中楊存祥教授、吳青娥教授、姜利英教授、過金超副教授、毋媛媛博士、陳虎博士、劉玉翠博士、趙素娜博士、王芳博士、張煥龍博士、賀振東博士、刁智華博士、楊飛飛博士、張吉濤博士和李金城碩士對本書的關心、支持與辛勤付出，感謝團隊中張鶴慶、李佳、白臻、林生、栗靖、李二凱、成曦等研究生在寫作過程中的無私付出與辛勤努力。本書的工作也得到鄭州輕工業學院電氣信息工程學院領導，以及國家自然科學基金（61501407、61632002、61472372、61603350）、國家“973”計劃（613237）、河南省重大科技專項（161100211600）、河南省科技創新杰出人才項目（174200510012、184200510015）、河南省科技創新杰出青年項目（164100510017）、河南省高校科技創新團隊（19IRTSTHN013）、鄭州輕工業學院博士基金項目（2014BSJJ016、2015BSJJ025、2015BSJJ027、2016BSJJ006）等科研項目的支持，特此感謝。同時，特別感謝電子工業出版社的大力支持和幫助，感謝董亞峰老師和米俊萍老師付出的辛勤勞動與努力。感謝書中所有被引用文獻的作者。
視覺顯著性檢測方法及應用一直發展較快，本書的取材和安排完全是作者的偏好，由于水平有限，書中內容可能存在遺漏和不妥之處，懇請廣大讀者批評指正。
作 者
2018年2月
鄭州輕工業學院 |
內容簡介：視覺顯著性檢測是計算機視覺領域近年來的一個研究熱點，具有廣泛的應用前景。本書介紹了視覺顯著性檢測的基本知識和現有方法，并系統總結了作者近幾年在視覺顯著性檢測方法、視覺顯著性用于紅外目標檢測和太陽能電池片表面缺陷檢測等方面的研究成果。全書共7章，分為4部分：第1部分（第1章）詳細介紹了視覺顯著性檢測的定義、分類、應用等相關基礎知識；第2部分（第2章）對視覺顯著性檢測領域的研究現狀進行了分類介紹，并分析了現有工作存在的問題；第3部分（第3∼5章）詳細介紹了本書提出的3種視覺顯著性檢測方法；第4部分（第6、7章）詳細介紹了視覺顯著性在紅外目標檢測和太陽能電池片表面缺陷檢測中的應用。另外，第3∼7章均包含相關的實驗案例，以便有興趣的讀者進一步鉆研探索。 本書可為高等院校電氣工程、控制科學與工程、計算機科學、信息科學、人工智能等領域的研究人員和工程技術人員提供參考，也可作為相關專業高年級本科生和研究生的教學參考書。 |
目錄：第1章 緒論 1
1.1 引言 1
1.2 視覺顯著性檢測的研究現狀 3
1.3 視覺顯著性檢測的應用現狀 4
1.4 本書的主要內容和章節安排 7
1.4.1 主要內容 7
1.4.2 章節安排 10
第2章 視覺顯著性檢測方法綜述 13
2.1 引言 13
2.2 預備知識 13
2.2.1 視覺注意與視覺顯著性 14
2.2.2 視覺顯著性模型的分類 15
2.3 方法評價 18
2.3.1 基準測試庫 18
2.3.2 定量對比方法 21
2.4 流行檢測方法介紹 24
2.4.1 特征組合理論 24
2.4.2 信息論 28
2.4.3 圖上隨機游動理論 29
2.4.4 決策理論 30
2.4.5 貝葉斯理論 31
2.4.6 頻域分析 32
2.4.7 機器學習 34
2.4.8 其他 35
2.5 現有方法存在的問題及解決方案 36
2.5.1 現有方法存在的問題 36
2.5.2 解決方案 38
2.6 發展趨勢 40
2.7 本章小結 41
第3章 一種基于加權稀疏編碼的頻域方法 42
3.1 引言 42
3.2 過完備稀疏編碼 44
3.2.1 過完備稀疏編碼的神經生理學基礎 45
3.2.2 圖像的過完備稀疏編碼 46
3.2.3 過完備字典的構造 49
3.3 加權稀疏編碼 51
3.3.1 增量編碼長度算法 51
3.3.2 稀疏編碼的權重 52
3.4 圖像標記算法 54
3.4.1 基于圖像標記算法的顯著性提取 54
3.4.2 相關理論證明 56
3.5 基于加權稀疏編碼的圖像標記算法 59
3.5.1 單通道的圖像標記算法 60
3.5.2 多通道的圖像標記算法 60
3.6 實驗對比 61
3.6.1 主觀對比 62
3.6.2 定量對比 64
3.6.3 算法復雜度評估 65
3.7 本章小結 66
第4章 基于最優對比度的視覺顯著性檢測方法 68
4.1 引言 68
4.2 總體思想 69
4.2.1 最優對比度引入的動機 70
4.2.2 實現方案 75
4.3 候選中心-外圍對比度 75
4.3.1 計算原理 75
4.3.2 實現細則 80
4.4 最優對比度 82
4.4.1 單尺度下的最優中心-外圍對比度篩選 82
4.4.2 多尺度增強算法 84
4.5 實驗對比 86
4.5.1 主觀對比 87
4.5.2 定量對比 89
4.6 本章小結 93
第5章 融合長期特征和短期特征的貝葉斯模型 94
5.1 引言 94
5.2 總體思想 95
5.2.1 先驗知識的作用和使用方式 95
5.2.2 當前觀測信息的作用和使用方式 99
5.2.3 先驗知識和當前觀測信息的融合 101
5.2.4 實現方案 102
5.3 長期特征和短期特征 103
5.3.1 長期詞典和短期詞典 103
5.3.2 特征提取 105
5.4 基于貝葉斯模型的視覺顯著性檢測 105
5.4.1 貝葉斯模型 105
5.4.2 特征概率分布的估計 108
5.4.3 視覺顯著性隨空間位置變化的條件概率分布估計 111
5.5 實驗對比 112
5.5.1 主觀對比 113
5.5.2 定量對比 115
5.6 本章小結 116
第6章 基于視覺顯著性的紅外目標預檢測 117
6.1 引言 117
6.1.1 研究背景與意義 117
6.1.2 相關工作 118
6.1.3 總體解決方案 121
6.2 基于小數目標尺度的紅外圖像混合濾波算法 124
6.2.1 紅外圖像噪聲分析 124
6.2.2 降噪算法的總體設計思路 125
6.2.3 小數目標尺度 126
6.2.4 基于小數目標尺度的自適應高斯濾波器 130
6.2.5 基于小數目標尺度的自適應中值濾波器 130
6.3 視覺顯著性檢測方法的選擇 132
6.3.1 綜合定量對比的實驗準備 133
6.3.2 綜合定量對比 134
6.3.3 原理分析 138
6.4 紅外目標預檢測 139
6.4.1 基于視覺顯著性檢測的窗口特征算子 139
6.4.2 基于SLIC超像素分割的窗口特征算子 140
6.4.3 窗口特征算子參數的估計 142
6.4.4 窗口特征的貝葉斯融合 143
6.4.5 目標窗口的確定 144
6.5 實驗對比 145
6.5.1 紅外圖像降噪實驗對比 145
6.5.2 紅外目標預檢測實驗對比 147
6.6 本章小結 150
第7章 基于視覺顯著性的太陽能電池片表面缺陷檢測 151
7.1 引言 151
7.1.1 研究的背景與意義 151
7.1.2 相關工作 152
7.1.3 存在問題及解決方案 158
7.2 太陽能電池片表面圖像預處理 159
7.2.1 圖像采集 159
7.2.2 圖像降噪 162
7.2.3 柵線刪除 163
7.2.4 柵線填充 164
7.3 基于視覺顯著性的缺陷初始檢測 165
7.3.1 自學習特征提取 165
7.3.2 低秩矩陣復原 167
7.3.3 獲取視覺顯著圖 169
7.4 基于視覺顯著性和圖像分割的缺陷精確定位 171
7.4.1 圖像分割 171
7.4.2 基于視覺顯著性的缺陷定位 174
7.5 基于形態學的檢測結果優化 175
7.5.1 形態學理論 175
7.5.2 形態學優化 176
7.6 實驗設計 178
7.6.1 主觀對比 180
7.6.2 客觀對比 184
7.7 軟件設計與使用 187
7.7.1 檢測軟件的設計 187
7.7.2 軟件功能及操作介紹 189
7.8 本章小結 191
參考文獻 192 |
| 序： |
