新書推薦：
《
量子网络的构建与应用
》
售價：HK$
109.8
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：HK$
109.8
《
大唐名城：长安风华冠天下
》
售價：HK$
87.4
《
情绪传染（当代西方社会心理学名著译丛）
》
售價：HK$
88.5
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：HK$
236.0
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：HK$
93.2
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：HK$
337.5
《
大国脊梁：漫画版
》
售價：HK$
80.2
|
| 內容簡介： |
|
视觉显著性检测是计算机视觉领域近年来的一个研究热点，具有广泛的应用前景。本书介绍了视觉显著性检测的基本知识和现有方法，并系统总结了作者近几年在视觉显著性检测方法、视觉显著性用于红外目标检测和太阳能电池片表面缺陷检测等方面的研究成果。全书共7章，分为4部分：第1部分（第1章）详细介绍了视觉显著性检测的定义、分类、应用等相关基础知识；第2部分（第2章）对视觉显著性检测领域的研究现状进行了分类介绍，并分析了现有工作存在的问题；第3部分（第3～5章）详细介绍了本书提出的3种视觉显著性检测方法；第4部分（第6、7章）详细介绍了视觉显著性在红外目标检测和太阳能电池片表面缺陷检测中的应用。另外，第3～7章均包含相关的实验案例，以便有兴趣的读者进一步钻研探索。 本书可为高等院校电气工程、控制科学与工程、计算机科学、信息科学、人工智能等领域的研究人员和工程技术人员提供参考，也可作为相关专业高年级本科生和研究生的教学参考书。
|
| 關於作者： |
|
钱晓亮，男，1982年10月生，河南孟州人，2013年毕业于西北工业大学自动化学院控制科学与工程专业，获工学博士学位。曾主持或参与国家自然科学基金5项，国家973项目1项，总装备部预研项目1项，航空科学基金1项，河南省科技厅科技攻关项目3项，河南省高等学校重点科研项目2项。主持完成省部级项目鉴定2项。获河南省科技进步奖、教育厅科技成果奖各1项。发表学术论文30余篇，其中SCI索引论文10余篇，EI索引论文20余篇，国家发明专利7项，实用新型专利和软件著作权各1项。主要研究方向为：计算机视觉，模式识别与人工智能，视觉注意力计算。
|
| 目錄：
|
第1章绪论1
1.1引言1
1.2视觉显著性检测的研究现状3
1.3视觉显著性检测的应用现状4
1.4本书的主要内容和章节安排7
1.4.1主要内容7
1.4.2章节安排10
第2章视觉显著性检测方法综述13
2.1引言13
2.2预备知识13
2.2.1视觉注意与视觉显著性14
2.2.2视觉显著性模型的分类15
2.3方法评价18
2.3.1基准测试库18
2.3.2定量对比方法21
2.4流行检测方法介绍24
2.4.1特征组合理论24
2.4.2信息论28
2.4.3图上随机游动理论29
2.4.4决策理论30
2.4.5贝叶斯理论31
2.4.6频域分析32
2.4.7机器学习34
2.4.8其他35
2.5现有方法存在的问题及解决方案36
2.5.1现有方法存在的问题36
2.5.2解决方案38
2.6发展趋势40
2.7本章小结41
第3章一种基于加权稀疏编码的频域方法42
3.1引言42
3.2过完备稀疏编码 44
3.2.1过完备稀疏编码的神经生理学基础45
3.2.2图像的过完备稀疏编码 46
3.2.3过完备字典的构造49
3.3加权稀疏编码51
3.3.1增量编码长度算法51
3.3.2稀疏编码的权重52
3.4图像标记算法54
3.4.1基于图像标记算法的显著性提取54
3.4.2相关理论证明56
3.5基于加权稀疏编码的图像标记算法59
3.5.1单通道的图像标记算法60
3.5.2多通道的图像标记算法60
3.6实验对比61
3.6.1主观对比62
3.6.2定量对比64
3.6.3算法复杂度评估65
3.7本章小结66
第4章基于最优对比度的视觉显著性检测方法68
4.1引言68
4.2总体思想69
4.2.1最优对比度引入的动机70
4.2.2实现方案75
4.3候选中心-外围对比度75
4.3.1计算原理75
4.3.2实现细则80
4.4最优对比度82
4.4.1单尺度下的最优中心-外围对比度筛选82
4.4.2多尺度增强算法84
4.5实验对比86
4.5.1主观对比87
4.5.2定量对比89
4.6本章小结93
第5章融合长期特征和短期特征的贝叶斯模型94
5.1引言94
5.2总体思想95
5.2.1先验知识的作用和使用方式95
5.2.2当前观测信息的作用和使用方式99
5.2.3先验知识和当前观测信息的融合101
5.2.4实现方案102
5.3长期特征和短期特征103
5.3.1长期词典和短期词典103
5.3.2特征提取105
5.4基于贝叶斯模型的视觉显著性检测105
5.4.1贝叶斯模型105
5.4.2特征概率分布的估计108
5.4.3视觉显著性随空间位置变化的条件概率分布估计111
5.5实验对比112
5.5.1主观对比113
5.5.2定量对比115
5.6本章小结116
第6章基于视觉显著性的红外目标预检测117
6.1引言117
6.1.1研究背景与意义117
6.1.2相关工作118
6.1.3总体解决方案121
6.2基于小数目标尺度的红外图像混合滤波算法124
6.2.1红外图像噪声分析124
6.2.2降噪算法的总体设计思路125
6.2.3小数目标尺度126
6.2.4基于小数目标尺度的自适应高斯滤波器130
6.2.5基于小数目标尺度的自适应中值滤波器130
6.3视觉显著性检测方法的选择132
6.3.1综合定量对比的实验准备133
6.3.2综合定量对比134
6.3.3原理分析138
6.4红外目标预检测139
6.4.1基于视觉显著性检测的窗口特征算子139
6.4.2基于SLIC超像素分割的窗口特征算子140
6.4.3窗口特征算子参数的估计142
6.4.4窗口特征的贝叶斯融合143
6.4.5目标窗口的确定144
6.5实验对比145
6.5.1红外图像降噪实验对比145
6.5.2红外目标预检测实验对比147
6.6本章小结150
第7章基于视觉显著性的太阳能电池片表面缺陷检测151
7.1引言151
7.1.1研究的背景与意义151
7.1.2相关工作152
7.1.3存在问题及解决方案158
7.2太阳能电池片表面图像预处理159
7.2.1图像采集159
7.2.2图像降噪162
7.2.3栅线删除163
7.2.4栅线填充164
7.3基于视觉显著性的缺陷初始检测165
7.3.1自学习特征提取165
7.3.2低秩矩阵复原167
7.3.3获取视觉显著图169
7.4基于视觉显著性和图像分割的缺陷精确定位171
7.4.1图像分割171
7.4.2基于视觉显著性的缺陷定位174
7.5基于形态学的检测结果优化175
7.5.1形态学理论175
7.5.2形态学优化176
7.6实验设计178
7.6.1主观对比180
7.6.2客观对比184
7.7软件设计与使用187
7.7.1检测软件的设计187
7.7.2软件功能及操作介绍189
7.8本章小结191
参考文献192
|
| 內容試閱：
|
随着信息技术的发展，图像数据的规模变得越来越大，面对如此庞大的图像数据，如何能够快速而准确地完成各种图像分析任务已经成为当前研究的一个重要方向。视觉显著性检测是计算机视觉领域中模拟灵长类动物的视觉注意机制而出现的一个课题，它可以引导机器视觉系统将有限的硬件资源优先分配给少数几个显著区域，为后续的视觉处理（如图像理解、场景分析、目标检测和识别等）提供极大的便利。
自1998年Laurent Itti提出第一种视觉显著性检测方法以来，视觉显著性检测技术得到了越来越多的关注。越来越多的科研人员投入到视觉显著性检测的研究中，涌现出了大量的视觉显著性检测方法、开源代码和Benchmarks，各种基于视觉显著性的应用也层出不穷。目前，有关视觉显著性检测的论文、评论等相关资料较为丰富，但是相关的书籍不多，有限的几本著作也侧重于视觉显著性的应用，尚缺乏专门针对视觉显著性检测方法、使读者了解视觉显著性检测的来龙去脉、为以后进一步深入研究视觉显著性检测方法或者使用视觉显著性检测做相关应用奠定基础的书籍。
本书以保证基础、突出能力培养为根本出发点，对章节安排和内容描述方式做了精心设计。全书可分为4部分内容。第1部分详细介绍了视觉显著性检测的定义、分类、应用等相关基础知识，可使基础较弱的读者快速了解相关知识；第2部分对视觉显著性检测领域现有的研究工作按照设计思路的不同进行了分类介绍，并分析了现有工作存在的问题，使读者对本领域的研究现状有了大致的了解；第3部分按照创新动机设计思路方法展开实验验证学术研究路线，详细介绍了本书提出的3种视觉显著性检测方法，使读者在学习视觉显著性检测方法的同时，了解学术研究的大致流程，对相关专业的高年级本科生和研究生培养起到促进作用；第4部分介绍了视觉显著性在红外目标预检测和太阳能电池片表面缺陷检测中的应用，使读者了解视觉显著性在实际任务中的应用方法。
我们依托郑州轻工业学院河南省信息化电气重点实验室，成立了人工智能与模式识别研究室，致力于人工智能在计算机视觉和模式识别领域的研究与应用，本书即是我们研究工作的初步总结。
本书由郑州轻工业学院电气信息工程学院的钱晓亮博士负责第1～5章的撰写，曾黎老师负责第6章和第7章的撰写，国家千人计划专家王慰教授负责指导算法的设计和实验验证方案，王延峰教授负责全书的章节安排并审阅了书稿的全部内容。
本书的完成离不开郑州轻工业学院电气信息工程学院人工智能与智能系统团队的多位老师和研究生的支持和帮助，感谢团队中杨存祥教授、吴青娥教授、姜利英教授、过金超副教授、毋媛媛博士、陈虎博士、刘玉翠博士、赵素娜博士、王芳博士、张焕龙博士、贺振东博士、刁智华博士、杨飞飞博士、张吉涛博士和李金城硕士对本书的关心、支持与辛勤付出，感谢团队中张鹤庆、李佳、白臻、林生、栗靖、李二凯、成曦等研究生在写作过程中的无私付出与辛勤努力。本书的工作也得到郑州轻工业学院电气信息工程学院领导，以及国家自然科学基金（61501407、61632002、61472372、61603350）、国家973计划（613237）、河南省重大科技专项（161100211600）、河南省科技创新杰出人才项目（174200510012、184200510015）、河南省科技创新杰出青年项目（164100510017）、河南省高校科技创新团队（19IRTSTHN013）、郑州轻工业学院博士基金项目（2014BSJJ016、2015BSJJ025、2015BSJJ027、2016BSJJ006）等科研项目的支持，特此感谢。同时，特别感谢电子工业出版社的大力支持和帮助，感谢董亚峰老师和米俊萍老师付出的辛勤劳动与努力。感谢书中所有被引用文献的作者。
视觉显著性检测方法及应用一直发展较快，本书的取材和安排完全是作者的偏好，由于水平有限，书中内容可能存在遗漏和不妥之处，恳请广大读者批评指正。
作 者
2018年2月
郑州轻工业学院
|
|
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
