中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于非線性融合的夜間圖像顯著目標檢測 版權信息
- ISBN：9787030652850
- 條形碼：9787030652850 ; 978-7-03-065285-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于非線性融合的夜間圖像顯著目標檢測 內容簡介
本書通過對視覺認知的兩種模式—自底向上的顯著目標檢測模型和自頂向下顯著目標檢測模型的研究發現, 底層視覺刺激可以注意資源的分配, 而頂層的視覺感知和先驗知識又能很好地指導視覺顯著目標的檢測, 將兩者相結合可以提高檢測效率。
基于非線性融合的夜間圖像顯著目標檢測 目錄
目錄
前言
第1章 顯著目標檢測 1
1.1 概述 1
1.2 受人類視覺系統啟發的顯著目標檢測 3
1.2.1 視覺注意機制 3
1.2.2 顯著目標檢測的神經生物學機制 4
1.2.3 顯著目標檢測的心理物理學機制 6
1.3 顯著目標檢測算法 7
1.3.1 基于自底向上的顯著目標檢測算法 8
1.3.2 基于自頂向下的顯著目標檢測算法 8
1.4 定位顯著目標的方法 9
1.4.1 基于像素級的方法 9
1.4.2 基于特征級的方法 10
1.4.3 基于決策級的方法 10
參考文獻 10
第2章 基于像素級非線性融合的夜間圖像顯著目標檢測 14
2.1 頻域-空域融合的方法 14
2.1.1 顯著目標檢測算法 14
2.1.2 頻域和空域顯著目標檢測方法相關工作 15
2.1.3 顯著目標檢測模型 17
2.1.4 實驗 23
2.1.5 總結 32
2.2 基于超像素的全局對比度驅動方法 32
2.2.1 基于超像素的全局對比度驅動的顯著目標檢測算法 33
2.2.2 實驗結果 36
2.2.3 總結 43
2.3 基于局部-全局對比度的多尺度超像素級顯著目標檢測模型 43
2.3.1 多尺度特征提取 44
2.3.2 暗通道先驗 47
2.3.3 中心先驗 47
2.3.4 顯著圖融合 48
2.3.5 實驗結果 48
2.3.6 總結 56
參考文獻 56
第3章 基于特征級非線性融合的夜間圖像顯著目標檢測 60
3.1 基于局部-全局超像素協方差的顯著目標檢測模型 60
3.1.1 局部和全局超像素協方差估計 61
3.1.2 基于圖的流形排序 62
3.1.3 基于特征的區域協方差 62
3.1.4 基于協方差的顯著性估計 63
3.1.5 基于擴散的顯著性優化 64
3.1.6 實驗 64
3.1.7 總結 71
3.2 低對比度圖像中顯著目標檢測的層次特征融合方法 72
3.2.1 視覺特征提取 72
3.2.2 自適應多特征融合 77
3.2.3 實驗結果 79
3.2.4 總結 82
參考文獻 82
第4章 基于決策級非線性融合的夜間圖像顯著目標檢測 85
4.1 低對比度圖像的顯著特征中的顯著目標檢測 85
4.1.1 本節提出的顯著目標檢測模型 86
4.1.2 實驗結果 89
4.1.3 總結 92
4.2 基于協方差卷積神經網絡的低對比度圖像顯著目標檢測模型 92
4.2.1 本節提出的模型 93
4.2.2 實驗結果 97
4.2.3 總結 109
參考文獻 109
第5章 基于非線性融合夜間圖像顯著目標檢測的應用 111
5.1 目標跟蹤 111
5.2 目標檢測 112
5.3 目標識別 113
5.4 行人重識別 115
5.5 圖像檢索 116
參考文獻 117
前言
第1章 顯著目標檢測 1
1.1 概述 1
1.2 受人類視覺系統啟發的顯著目標檢測 3
1.2.1 視覺注意機制 3
1.2.2 顯著目標檢測的神經生物學機制 4
1.2.3 顯著目標檢測的心理物理學機制 6
1.3 顯著目標檢測算法 7
1.3.1 基于自底向上的顯著目標檢測算法 8
1.3.2 基于自頂向下的顯著目標檢測算法 8
1.4 定位顯著目標的方法 9
1.4.1 基于像素級的方法 9
1.4.2 基于特征級的方法 10
1.4.3 基于決策級的方法 10
參考文獻 10
第2章 基于像素級非線性融合的夜間圖像顯著目標檢測 14
2.1 頻域-空域融合的方法 14
2.1.1 顯著目標檢測算法 14
2.1.2 頻域和空域顯著目標檢測方法相關工作 15
2.1.3 顯著目標檢測模型 17
2.1.4 實驗 23
2.1.5 總結 32
2.2 基于超像素的全局對比度驅動方法 32
2.2.1 基于超像素的全局對比度驅動的顯著目標檢測算法 33
2.2.2 實驗結果 36
2.2.3 總結 43
2.3 基于局部-全局對比度的多尺度超像素級顯著目標檢測模型 43
2.3.1 多尺度特征提取 44
2.3.2 暗通道先驗 47
2.3.3 中心先驗 47
2.3.4 顯著圖融合 48
2.3.5 實驗結果 48
2.3.6 總結 56
參考文獻 56
第3章 基于特征級非線性融合的夜間圖像顯著目標檢測 60
3.1 基于局部-全局超像素協方差的顯著目標檢測模型 60
3.1.1 局部和全局超像素協方差估計 61
3.1.2 基于圖的流形排序 62
3.1.3 基于特征的區域協方差 62
3.1.4 基于協方差的顯著性估計 63
3.1.5 基于擴散的顯著性優化 64
3.1.6 實驗 64
3.1.7 總結 71
3.2 低對比度圖像中顯著目標檢測的層次特征融合方法 72
3.2.1 視覺特征提取 72
3.2.2 自適應多特征融合 77
3.2.3 實驗結果 79
3.2.4 總結 82
參考文獻 82
第4章 基于決策級非線性融合的夜間圖像顯著目標檢測 85
4.1 低對比度圖像的顯著特征中的顯著目標檢測 85
4.1.1 本節提出的顯著目標檢測模型 86
4.1.2 實驗結果 89
4.1.3 總結 92
4.2 基于協方差卷積神經網絡的低對比度圖像顯著目標檢測模型 92
4.2.1 本節提出的模型 93
4.2.2 實驗結果 97
4.2.3 總結 109
參考文獻 109
第5章 基于非線性融合夜間圖像顯著目標檢測的應用 111
5.1 目標跟蹤 111
5.2 目標檢測 112
5.3 目標識別 113
5.4 行人重識別 115
5.5 圖像檢索 116
參考文獻 117
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
朝聞道
- >
名家帶你讀魯迅:朝花夕拾
- >
伯納黛特,你要去哪(2021新版)
- >
苦雨齋序跋文-周作人自編集
- >
名家帶你讀魯迅:故事新編
- >
巴金－再思錄
- >
中國歷史的瞬間
本類暢銷
