計算機視覺中的目標特征模型和視覺注意模型

計算機視覺中的目標特征模型和視覺注意模型
第一章 緒論
1.1 計算機視覺
1.2 與計算機視覺相關(guān)的學科
1.3 計算機視覺的應用
1.4 計算機視覺的經(jīng)典問題
1.5 目標特征模型
1.5.1 目標自動識別中面臨的挑戰(zhàn)
1.5.2 識別中特征模型的發(fā)展
1.6 視覺注意模型
1.6.1 自底向上的視覺注意
1.6.2 自頂向下的視覺注意
第二章 目標特征模型
2.1 目標的基本特征
2.1.1 目標的全局特征
2.1.2 目標的局部特征
2.2 目標的高層特征
2.2.1 目標的結(jié)構(gòu)特征
2.2.2 目標的視覺特征
2.3 本章小結(jié)
第三章 基于全局特征的目標模型
3.1 引言
3.2 目標全局特征建模
3.3 目標建模預處理
3.4 基于不變矩的機場建模及識別算法
3.4.1 基于區(qū)域不變矩的目標模型
3.4.2 基于目標模型的識別算法
3.4.3 實驗結(jié)果與分析
3.5 基于形狀特征的機場建模及識別算法
3.5.1 基于形狀模板的目標模型
3.5.2 基于目標模型的識別算法
3.5.3 基于神經(jīng)網(wǎng)絡(luò)的目標識別
3.5.4 實驗結(jié)果與分析
3.6 本章小結(jié)
第四章 基于局部特征的目標模型
4.1 引言
4.2 基于局部特征的目標模型
4.3 圖像目標建模方法
4.3.1 局部特征區(qū)域的選擇和描述符的提取
4.3.2 特征描述子VQ算法及詞匯表
4.3.3 圖像目標語義概率擬合
4.4 目標局部模型在目標識別和場景分析中的應用
4.4.1 特征局部區(qū)域選擇
4.4.2 局部模型在目標識別中的應用
4.4.3 局部模型在地物場景分析中的應用
4.5 本章小結(jié)
第五章 基于結(jié)構(gòu)特征的目標模型
5.1 引言
5.2 目標的結(jié)構(gòu)化模型
5.3 目標的整體視覺模型
5.3.1 目標的整體視覺統(tǒng)計模型
5.3.2 模型的參數(shù)估計
5.3.3 模型與圖像的匹配算法
5.4 典型目標結(jié)構(gòu)模型的模型實現(xiàn)
5.4.1 局部模型實現(xiàn)
5.4.2 空間關(guān)系模型實現(xiàn)
5.5 結(jié)構(gòu)模型在目標檢測中的實現(xiàn)及應用
5.5.1 手動選擇模型局部區(qū)域
5.5.2 整體視覺模型
5.5.3 尋找目標局部特征匹配區(qū)域
5.5.4 尋找目標結(jié)構(gòu)特征匹配區(qū)域
5.5.5 檢測結(jié)果
5.6 本章小結(jié)
第六章 基于視覺特征的目標模型
6.1引言
6.2 腦皮層視覺認知的前饋層級模型
6.2.1 視覺認知的量化模型
6.2.2 模型各層的數(shù)學模型
6.3 目標視覺認知模型及其應用
6.3.1 視覺模型在目標識別中的應用
6.3.2 視覺模型在目標檢測中的應用
6.4 本章小結(jié)
第七章 基于目標背景對比度的視覺注意計算模型
7.1 引言
7.2 自底向上顯著性圖
7.2.1 顯著性特征提取
7.2.2 顯著性圖的生成
7.3 自頂向下顯著性圖
7.3.1 訓練目標的表示
7.3.2 顯著性圖的生成
7.4 全局顯著性圖及顯著性區(qū)域的尺寸
7.4.1 全局顯著性圖
7.4.2 顯著性區(qū)域的尺寸
7.5 視覺轉(zhuǎn)移
7.6 實驗結(jié)果與分析
7.7 本章小結(jié)
第八章 基于目標自身特性的視覺注意計算模型
8.1 引言
8.2 目標表示
8.2.1 特征提取
8.2.2 訓練目標的表示
8.3 自頂向下的顯著性圖
8.4 全局顯著性圖
8.5 實驗結(jié)果與分析
8.5.1 單目標場景
8.5.2 多目標場景
8.5.3 合成目標場景
8.5.4 自然目標場景
8.6 目標背景對比度模型與目標自身特性模型的比較
8.7 本章小結(jié)
第九章 基于動態(tài)和靜態(tài)的視覺注意計算模型
9.1引言
9.2動態(tài)顯著圖
9.2.1常用的動態(tài)顯著性模型
9.2.2基于信息熵的動態(tài)顯著性模型
9.3 靜態(tài)顯著性圖和時空顯著性圖
9.3.1 靜態(tài)顯著性圖
9.3.2 動態(tài)顯著性圖
9.4 實驗結(jié)果與分析
9.5 本章小結(jié)
第十章 基于視覺注意區(qū)域可分辨率的圖像壓縮模型
10.1引言
10.2 圖像壓縮方法
10.3 可變分辨率的圖像壓縮模型
10.4 實驗結(jié)果與分析
10.5 本章小結(jié)