圖像目標(biāo)的表示與識(shí)別

內(nèi)容概要

　　本書(shū)較為全面地介紹了圖像目標(biāo)識(shí)別的相關(guān)概念、原理和技術(shù)方法。主要內(nèi)容包括圖像目標(biāo)的特征提取、圖像目標(biāo)的表示與描述、圖像目標(biāo)匹配和圖像目標(biāo)分類等。本書(shū)緊跟上述內(nèi)容的國(guó)內(nèi)外發(fā)展現(xiàn)狀和最新成果，闡述了作者對(duì)圖像目標(biāo)識(shí)別的理解和認(rèn)識(shí)，尤其針對(duì)局部特征在圖像目標(biāo)識(shí)別中的應(yīng)用，進(jìn)行了深入的探討、分析和實(shí)例驗(yàn)證。
　　本書(shū)可以作為從事圖像理解、模式識(shí)別、機(jī)器視覺(jué)等相關(guān)專業(yè)研究人員的參考書(shū)，對(duì)于計(jì)算機(jī)科學(xué)與技術(shù)、信息與通信工程、電子科學(xué)與技術(shù)等專業(yè)的研究生和高年級(jí)本科生也有一定的參考價(jià)值。

書(shū)籍目錄

前言
第1章　緒論
1.1引言
1.2圖像目標(biāo)識(shí)別的意義
1.3圖像目標(biāo)識(shí)別的框架與思路
1.3.1圖像目標(biāo)識(shí)別問(wèn)題的分類
1.3.2圖像目標(biāo)識(shí)別的基本框架
1.3.3圖像目標(biāo)識(shí)別的兩種思路
1.4圖像目標(biāo)識(shí)別的數(shù)據(jù)集
1.5圖像目標(biāo)識(shí)別的開(kāi)發(fā)環(huán)境
1.6主要難點(diǎn)與發(fā)展趨勢(shì)
1.7研究?jī)?nèi)容與結(jié)構(gòu)安排
1.7.1本書(shū)的研究?jī)?nèi)容
1.7.2本書(shū)的結(jié)構(gòu)安排
第2章　圖像目標(biāo)的整體特征提取
2.1引言
2.2圖像目標(biāo)分割
2.2.1圖像目標(biāo)分割概述
2.2.2圖像目標(biāo)分割現(xiàn)狀
2.2.3圖像目標(biāo)分割技術(shù)
2.3目標(biāo)的表示與描述
2.3.1光譜特征
2.3.2紋理特征
2.3.3形狀特征
2.4特征空間的優(yōu)化
2.4.1特征選擇
2.4.2特征變換
2.5本章小結(jié)
第3章　基于整體特征的目標(biāo)識(shí)別
3.1引言
3.2模式識(shí)別方法概述
3.3目標(biāo)匹配的研究現(xiàn)狀
3.3.1兩種目標(biāo)匹配方式
3.3.2匹配的相似度度量
3.4目標(biāo)分類的研究現(xiàn)狀
3.4.1分類器設(shè)計(jì)技術(shù)
3.4.2性能評(píng)估方法
3.5典型的圖像目標(biāo)分類器
3.5.1基于聚類分析的分類器
3.5.2基于樸素貝葉斯的分類器
3.5.3基于BP神經(jīng)網(wǎng)絡(luò)的分類器
3.5.4基于支持向量機(jī)的分類器
3.6本章小結(jié)
第4章　圖像目標(biāo)的局部特征提取
4.1引言
4.2特征區(qū)域的稀疏選取算法
4.2.1特征區(qū)域檢測(cè)的研究現(xiàn)狀
4.2.2高斯差分檢測(cè)算子
4.2.3邊緣點(diǎn)檢測(cè)算子
4.3局部特征的定量描述
4.3.1特征區(qū)域描述的研究現(xiàn)狀
4.3.2基于梯度分布的描述子
4.3.3線矩特征描述子
4.4角點(diǎn)的檢測(cè)算法
4.4.1直線投影檢測(cè)算法
4.4.2SUSAN算法的自適應(yīng)閾值改進(jìn)
4.5實(shí)驗(yàn)結(jié)果與分析
4.6本章小結(jié)
第5章　基于局部特征的目標(biāo)匹配
5.1引言
5.2結(jié)合NNDR與霍夫變換的匹配方法
5.2.1基于NNDR的匹配策略
5.2.2鄰近特征點(diǎn)的搜索算法
5.2.3基于霍夫變換的目標(biāo)檢測(cè)
5.3基于局部特征和多分辨率技術(shù)的圖像拼接
5.3.1圖像拼接技術(shù)的研究現(xiàn)狀
5.3.2多分辨率下的圖像配準(zhǔn)
5.3.3漸入漸出的圖像融合算法
5.4基于局部特征和原型匹配的圖像檢索
5.4.1CBIR的研究現(xiàn)狀和發(fā)展趨勢(shì)
5.4.2基于模板匹配的檢索方法
5.4.3基于原型匹配的反饋技術(shù)
5.5實(shí)驗(yàn)結(jié)果與分析
5.6本章小結(jié)
第6章　基于局部特征的目標(biāo)分類
6.1引言
6.2目標(biāo)的向量空間模型表示
6.3構(gòu)造視覺(jué)單詞庫(kù)
6.3.1視覺(jué)單詞的生成方法
6.3.2基于RNN的層次聚類算法
6.4基于信息論的特征選擇方法
6.4.1信息論的相關(guān)概念
6.4.2基于信息增益法的特征選擇
6.4.3基于CHI統(tǒng)計(jì)量的特征選擇
6.4.4基于互信息法的特征選擇
6.5視覺(jué)單詞的權(quán)重計(jì)算
6.6實(shí)驗(yàn)結(jié)果與分析
6.7本章小結(jié)
第7章　基于角點(diǎn)特征與視面模型的目標(biāo)識(shí)別
7.1引言
7.2三維物體的視面模型表示
7.3基于角點(diǎn)特征的目標(biāo)匹配
7.3.1利用基準(zhǔn)角點(diǎn)進(jìn)行目標(biāo)匹配
7.3.2基于主分量與Hausdorff距離的匹配算法
7.4基于角點(diǎn)標(biāo)記圖的目標(biāo)分類
7.4.1角點(diǎn)特征的優(yōu)化技術(shù)
7.4.2角點(diǎn)標(biāo)記圖的生成方法
7.5實(shí)驗(yàn)結(jié)果與分析
7.6本章小結(jié)
附錄A圖像處理的一些相關(guān)理論
A.1數(shù)字圖像的基本概念
A.2數(shù)字圖像的信息內(nèi)容
A.3圖像處理的技術(shù)門(mén)類
附錄B模式組合的一些基本概念
B.1圖
B.2樹(shù)
B.3符號(hào)串
附錄C概率統(tǒng)計(jì)的一些預(yù)備知識(shí)
C.1概率
C.2最大似然估計(jì)
C.3條件概率
C.4貝葉斯公式
C.5隨機(jī)變量
C.6二項(xiàng)式分布
C.7聯(lián)合概率分布和條件概率分布
C.8貝葉斯決策理論
C.9期望和方差
附錄D信息檢索的一些基礎(chǔ)模型
D.1布爾模型
D.2向量空間模型
D.3概率模型
D.4語(yǔ)言模型
附錄E名詞術(shù)語(yǔ)解釋
參考文獻(xiàn)

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    圖像目標(biāo)的表示與識(shí)別 PDF格式下載

---