新書推薦：
《
漫谈数字化转型从底层逻辑到实践应用
》
售價：HK$
78.2
《
谢谢你来到我的生命：狗狗带给我们的治愈与改变
》
售價：HK$
51.8
《
情感觉醒：揭秘亲密关系背后的真相
》
售價：HK$
68.8
《
诸葛亮
》
售價：HK$
79.4
《
解密：梦的诞生
》
售價：HK$
193.2
《
课长，这不是恋爱，这就是性骚扰！
》
售價：HK$
45.9
《
人文与社会译丛：我们中的我（承认理论研究）
》
售價：HK$
79.4
《
（守望者·人间世）自我：与齐格蒙特·鲍曼对谈
》
售價：HK$
82.8
|
| 編輯推薦： |
|
目标特征建模和视觉注意机制是计算机视觉、模式识别，特别是各种武器的导引、战场监控、视觉导航等领域的研究热点和难点问题。本书籍对目标的各种特征建模进行了研究，特征从底层特征到高层视觉特征分别由浅入深进行阐述，分析了目标各种特征模型下的特点及其在目标识别中的性能特点。同时，模拟人类的视觉感知建立视觉注意模型，实现显著性目标检测。该书藉对从事该领域研究的研究生、科研工作者是一本很好的入门书籍，并且对近几年领域内学术内容的发展有了全面的认识。
|
| 內容簡介： |
|
本书共分为10章，以自动目标识别和视觉注意机制两部分研究内容为基础，主要阐述了自动目标识别中的目标特征模型和视觉注意机制中的视觉注意模型的分析与建模。本书可供从事计算机视觉研究的科研人员了解一般的目标特征模型和主要的视觉注意模型，同时提供合理的建模思路和方法。初复审编辑通过审读，使书稿质量进一步得到了提升，终审在此基础上对文前部分及前三分之一正文做了重点审读。
|
| 目錄：
|
计算机视觉中的目标特征模型和视觉注意模型
第一章 绪论
1.1 计算机视觉
1.2 与计算机视觉相关的学科
1.3 计算机视觉的应用
1.4 计算机视觉的经典问题
1.5 目标特征模型
1.5.1 目标自动识别中面临的挑战
1.5.2 识别中特征模型的发展
1.6 视觉注意模型
1.6.1 自底向上的视觉注意
1.6.2 自顶向下的视觉注意
第二章 目标特征模型
2.1 目标的基本特征
2.1.1 目标的全局特征
2.1.2 目标的局部特征
2.2 目标的高层特征
2.2.1 目标的结构特征
2.2.2 目标的视觉特征
2.3 本章小结
第三章 基于全局特征的目标模型
3.1 引言
3.2 目标全局特征建模
3.3 目标建模预处理
3.4 基于不变矩的机场建模及识别算法
3.4.1 基于区域不变矩的目标模型
3.4.2 基于目标模型的识别算法
3.4.3 实验结果与分析
3.5 基于形状特征的机场建模及识别算法
3.5.1 基于形状模板的目标模型
3.5.2 基于目标模型的识别算法
3.5.3 基于神经网络的目标识别
3.5.4 实验结果与分析
3.6 本章小结
第四章 基于局部特征的目标模型
4.1 引言
4.2 基于局部特征的目标模型
4.3 图像目标建模方法
4.3.1 局部特征区域的选择和描述符的提取
4.3.2 特征描述子VQ算法及词汇表
4.3.3 图像目标语义概率拟合
4.4 目标局部模型在目标识别和场景分析中的应用
4.4.1 特征局部区域选择
4.4.2 局部模型在目标识别中的应用
4.4.3 局部模型在地物场景分析中的应用
4.5 本章小结
第五章 基于结构特征的目标模型
5.1 引言
5.2 目标的结构化模型
5.3 目标的整体视觉模型
5.3.1 目标的整体视觉统计模型
5.3.2 模型的参数估计
5.3.3 模型与图像的匹配算法
5.4 典型目标结构模型的模型实现
5.4.1 局部模型实现
5.4.2 空间关系模型实现
5.5 结构模型在目标检测中的实现及应用
5.5.1 手动选择模型局部区域
5.5.2 整体视觉模型
5.5.3 寻找目标局部特征匹配区域
5.5.4 寻找目标结构特征匹配区域
5.5.5 检测结果
5.6 本章小结
第六章 基于视觉特征的目标模型
6.1引言
6.2 脑皮层视觉认知的前馈层级模型
6.2.1 视觉认知的量化模型
6.2.2 模型各层的数学模型
6.3 目标视觉认知模型及其应用
6.3.1 视觉模型在目标识别中的应用
6.3.2 视觉模型在目标检测中的应用
6.4 本章小结
第七章 基于目标背景对比度的视觉注意计算模型
7.1 引言
7.2 自底向上显著性图
7.2.1 显著性特征提取
7.2.2 显著性图的生成
7.3 自顶向下显著性图
7.3.1 训练目标的表示
7.3.2 显著性图的生成
7.4 全局显著性图及显著性区域的尺寸
7.4.1 全局显著性图
7.4.2 显著性区域的尺寸
7.5 视觉转移
7.6 实验结果与分析
7.7 本章小结
第八章 基于目标自身特性的视觉注意计算模型
8.1 引言
8.2 目标表示
8.2.1 特征提取
8.2.2 训练目标的表示
8.3 自顶向下的显著性图
8.4 全局显著性图
8.5 实验结果与分析
8.5.1 单目标场景
8.5.2 多目标场景
8.5.3 合成目标场景
8.5.4 自然目标场景
8.6 目标背景对比度模型与目标自身特性模型的比较
8.7 本章小结
第九章 基于动态和静态的视觉注意计算模型
9.1引言
9.2动态显著图
9.2.1常用的动态显著性模型
9.2.2基于信息熵的动态显著性模型
9.3 静态显著性图和时空显著性图
9.3.1 静态显著性图
9.3.2 动态显著性图
9.4 实验结果与分析
9.5 本章小结
第十章 基于视觉注意区域可分辨率的图像压缩模型
10.1引言
10.2 图像压缩方法
10.3 可变分辨率的图像压缩模型
10.4 实验结果与分析
10.5 本章小结
|
| 內容試閱：
|
前 言
计算机视觉领域历史悠久，但是在工业界的探索还处于刚起步阶段，随着每年图像和视频数据以数十倍的速度增长，同时随着计算机技术、网络技术和传感器技术的发展，计算机视觉领域显示出巨大的发展空间。计算机视觉领域包含很多研究内容，其中自动目标识别是计算机视觉中最主要也是应用最广泛的研究内容，而视觉注意机制的研究则是计算机视觉近些年最新和最热门的研究内容，同时两部分内容可以互为交叉和补充。本书以这两部分研究内容为基础，主要阐述了自动目标识别中的目标特征模型和视觉注意机制中的视觉注意模型的分析与建模。
本书可供计算机视觉研究的科研人员了解一般的目标特征模型和主要的视觉注意模型，同时提供合理的建模思路和方法。
本书共分为十章，第1章绪论部分介绍了计算机视觉的范畴、应用和关键研究问题。基于识别问题提出了目标特征模型和视觉注意模型所研究的内容。
第2章讲述了目标特征模型的层级结构。根据目标特征所包含的信息从底层到高层，从少到多，建立了特征模型。模型分两大层包含：目标基本特征和目标的高级特征。其中基本特征又分为全局特征和局部特征，高级特征又分为结构特征和视觉特征。
第3章基于目标的低层特征对目标进行建模。本章以目标的全局特征为基础建立机场目标模型，并将该模型应用于前下视红外机场自动识别的应用中。这里以目标的2种全局特征建立不同的目标特征模型并采用不同的分类识别方法。
第4章基于目标的局部特征建模，根据文本分析统计模型提出了图像类目标的语义概率模型，并且将这种概率模型应用于目标识别和复杂场景下的地物分析。首先将图像表示成多个特征局部区域的集合，然后根据目标语义概率模型得到图像、特征局部和目标语义之间的概率关系，通过计算后验概率可以实现目标语义类别的识别。
第5章在局部特征的基础上，引入了空间特征，结合两种特征得到了整体视觉模型。整体视觉模型不但考虑了目标的局部特征，而且还考虑的目标局部之间的空间位置关系。本书将这一模型应用于遥感图像的典型地物识别之中，不但能够识别单目标还可以识别多目标，识别率较高，且定位较准确。
第6章基于脑皮层视觉特征对目标进行建模，并基于该模型实现目标的识别和检测算法。脑颞叶皮层视觉认知系统的标准量化模型QMVC是一种前馈式层级模型，其很好的仿效了脑皮层视觉从简单认知元到复杂认知元的识别机理，此方法采用了高级视觉特征，同时这种特征又是一种层级结构的特征。基于QMVC模型特征矢量建立了新的目标识别系统结构，新目标识别系统对各类目标具有不错的识别率和ROC特性。
第7章介绍了基于目标背景对比度的视觉注意模型，该模型将训练图中所有的训练目标融合成一个目标类，将所有的训练背景融合成一个背景类，对于每一个特征，目标类的显著性均值与背景类的显著性均值的比值得到一个权重，所有特征的权重构成一个权重向量；在新的注意场景中，所有的特征图通过权重向量联合生成自顶向下的显著性图；最后，自顶向下和自底向上的显著性图融合生成全局显著性图。
第8章介绍了基于目标自身特性的视觉注意计算模型，在训练阶段，模型根据目标自身而不依靠背景信息提取这些特征，并将它们表示成均值和标准差。在注意阶段，通过比较训练的特征图和待注意的特征图得到相似性图，这两种特征图越相似，则得到的相似图的响应越强烈，然后所有的相似性图被联合形成自顶向下的显著性图。最后，通过待注意图本身的属性得到自底向上的显著性图，这两个显著性图的乘积得到了全局显著性图。
第9章介绍了动态和静态的视觉注意计算模型，模型的输入是一个短的视频，对于视频的每一帧，提取颜色特征、亮度特征、方位特征和纹理特征，对于特征图中的每一点，计算熵值图，这些熵值图逐步融合形成了动态显著性图；其次，按照自底向上的方法计算当前帧的静态显著性图，动态和静态显著性图融合生成了全局显著性图，该图决定了显著性的区域；最后，计算出每个显著性区域的尺寸。
第10章介绍了基于视觉注意区域可变分辨率的图像压缩模型，显著的区域采用较高的分辨率，不显著的区域采用较低的分辨率，这样达到了一个可变分辨率的效果，该模型不仅对整个图像可以达到一个高的压缩率的效果，而且还可以保持显著区域的高分辨率。由于该模型在设计和实现过程中没有任何先验的知识，所以可被用于任何场景中。这为图像压缩提供了一种新的方法。
本书作者刘玮博士及魏龙生博士所带领的团队长期从事计算机视觉的相关研究，在自动目标识别、目标检测跟踪和视觉注意等方面取得了较多研究成果。该团队主持1项国家自科青年基金，1项省部级项目，2项校级优青项目，参与多项横纵向自科基金、973及863等重大项目。在国内外权威学术期刊及会议上发表了多篇计算机视觉相关的论文，其中SCI论文6篇，EI检索论文23篇，发明专利2项。
书稿在两位作者的博士论文基础上编写修改完成，但是由于水平有限，时间紧张，书中难免出现疏漏，希望读者提出宝贵意见，以便再版时修改和完善，甚为感谢。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
