掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
基于視覺顯著性的圖像分割 版權信息
- ISBN：9787560650968
- 條形碼：9787560650968 ; 978-7-5606-5096-8
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于視覺顯著性的圖像分割 本書特色
多示例學習與圖割優化是近年來計算機視覺領域廣受關注的研究方向。本書系統地論述了多示例學習與圖割的基本理論、算法及其在交通視頻圖像識別中的應用。全書共6章，一、二章供初學者學習，論述了目標顯著性檢測方法、基于圖論的圖像分割方法與多示例學習方法的研究現狀，以及圖像顯著特征的基本定義與相似性度量的常用處理方法。第三、四章論述了顯著性目標分割方法的基本原理及具體算法的實現步驟。第五章論述了基于多示例與圖割優化的圖像分割方法在實際交通視頻圖像識別中的應用 。第六章為結論與展望。
本書適合計算機視覺、圖像處理、模式識別等研究方向的讀者及開發工程師參考學習。
基于視覺顯著性的圖像分割 內容簡介
本書系統地論述了多示例學習與圖割的基本理論、算法及其在交通視頻圖像識別中的應用。全書共6章, **、二章供初學者學習, 論述了目標顯著性檢測方法、基于圖論的圖像分割方法與多示例學習方法的研究現狀, 以及圖像顯著特征的基本定義與相似性度量的常用處理方法。第三、四章論述了顯著性目標分割方法的基本原理及具體算法的實現步驟。第五章論述了基于多示例與圖割優化的圖像分割方法在實際交通視頻圖像識別中的應用。第六章為結論與展望。
基于視覺顯著性的圖像分割基于視覺顯著性的圖像分割 前言
圖像目標分割是計算機視覺領域的一個重要研究方向，同時也是視覺檢測、跟蹤與識別等應用的重要基礎，其分割質量的好壞在很大程度上影響著整個視覺系統的性能。然而由于缺乏對人類視覺系統的深層認識，圖像分割同時也成為了計算機視覺領域的一個經典難題。人類視覺系統能夠有選擇地注意所觀察場景的主要內容，而忽略其他次要內容，視覺的這種選擇性注意機制使得高效的信息處理成為可能，同時也啟發了計算機視覺的研究者們從注意機制的角度另辟蹊徑，因此具有人類視覺特性的圖像分割模型將成為圖像分割領域一個新的研究熱點。
本書主要圍繞圖像的顯著性檢測與基于圖論的圖像分割方法展開研究。針對傳統的顯著性檢測算法所定義的模型缺乏學習能力，以及對顯著度的計算不能很好地反映視覺注意機制等問題，提出了一種基于多示例學習的顯著性檢測算法；并將顯著性檢測結果應用到基于圖割的圖像分割算法中，作為圖割算法的輸入，將圖像的顯著度引入圖割框架，提出了一種基于圖割優化的顯著目標分割方法，解決了基于圖論的圖像分割方法計算復雜度高與邊界分割不準確的問題。目的是讓讀者在交通視頻圖像處理研究領域快速入門，以解決交通視頻基本視覺問題為出發點，激發讀者對交通視頻圖像研究的興趣，為更加深入的學習打好基礎，并為解決實際應用問題提供研究思路。
我們依托陜西省道路交通智能檢測與裝備工程技術研究中心、“多源異構交通信息智能檢測與融合技術”教育部科技創新團隊、高等學校創新引智計劃“車路信息感知與智能交通系統創新引智基地”，致力于車路環境感知的嵌入式圖像處理與交通視頻分析，搭建了多個省市地區交通視頻大數據分析平臺，并在多示例學習、圖割理論、目標分割與跟蹤方法，以及智能交通系統中的應用與實現等方面取得了良好的研究成果，本書即是我們在目標分割領域研究工作的初步總結。
本書的完成離不開團隊研究生的支持與幫助。特此對王潤民博士、沈超博士，徐江、樊星、連心雨、李強、張凡等研究生表示感謝。同時，本書的編寫也得到了國家自然科學基金（61703054，51278058）、裝備預研教育部聯合基金（6141A02022322）、陜西省重點研發計劃工業領域項目（2018ZDXM-GY-044）、長安大學中央高校基本科研業務費高新技術研究培育項目（300102248202）等科研項目的支持，特此感謝。
基于視覺顯著性的圖像分割 目錄
**章 緒論 1
1.1 研究背景與意義 1
1.2 國內外研究現狀綜述 4
1.2.1 目標顯著性檢測方法 4
1.2.2 基于圖論的圖像分割方法 6
1.2.3 多示例學習方法 17
1.3 本文的主要研究內容和章節安排 18
第二章 圖像顯著特征與相似性度量分析 21
2.1 圖像顯著特征分析 21
2.1.1 底層特征 22
2.1.2 中高層語義特征 29
2.2 相似性度量分析 31
2.2.1 相似性計算模型 31
2.2.2 相似性度量 39
2.3 本章小結 41
第三章 基于多示例學習的圖像目標顯著性特征檢測 43
3.1 顯著性特征的檢測 43
3.1.1 圖像的預處理 44
3.1.2 亮度梯度特征 45
3.1.3 色彩梯度特征 51
3.1.4 紋理梯度特征 52
3.1.5 圖像的邊界鏡像 54
3.2 基于多示例學習的顯著性檢測 55
3.2.1 BagSVM算法 56
3.2.2 InsSVM算法 57
3.2.3 APR算法 58
3.2.4 EMDD算法 59
3.3 基于多示例學習的顯著性檢測實驗結果分析 60
3.3.1 實驗結果對比分析 60
3.3.2 算法性能對比分析 70
3.4 本章小結 72
第四章 基于圖割優化的顯著性目標分割方法 74
4.1 圖的基本概念 75
4.2 基于圖割優化的圖像顯著性目標分割方法 78
4.2.1 自適應圖像層次分割方法 78
4.2.2 基于圖割優化的圖像顯著性目標分割方法 80
4.2.3 圖像分割質量評價指標分析 86
4.2.4 實驗結果對比分析 90
4.3 本章小結 101
第五章 基于多示例學習與圖割優化的弱對比度車輛目標分割算法 102
5.1 基于機器視覺的道路交通信息采集與檢測系統 103
5.2 基于多示例學習與圖割優化的弱對比度車輛目標分割算法 104
5.2.1 車輛目標特征分析 104
5.2.2 算法具體步驟 106
5.3 算法實驗與評價 108
5.3.1 算法實驗過程 108
5.3.2 實驗結果對比 114
5.3.3 算法評價分析 116
5.4 本章小結 118
第六章 結論與展望 119
參考文獻 122
致謝 138
展開全部
書友推薦
- >
史學評論
- >
推拿
- >
有舍有得是人生
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫給孩子的中國神話
- >
二體千字文
- >
唐代進士錄
本類暢銷
