圖像特征提取與檢索技術(shù)

第1章 基于內(nèi)容的圖像檢索與關(guān)鍵技術(shù) 1
1．1 圖像檢索技術(shù)的發(fā)展 1
1．1．1 基于文本的圖像檢索 2
1．1．2 基于內(nèi)容的圖像檢索 3
1．1．3 自動(dòng)圖像標(biāo)注技術(shù) 6
1．1．4 國(guó)內(nèi)外研究狀況 6
1．2 CBIR的研究?jī)?nèi)容 10
1．2．1 特征提取與匹配 10
1．2．2 索引機(jī)制 10
1．2．3 用戶接口 11
1．3 CBIR的關(guān)鍵技術(shù) 12
1．3．1 基本檢索原理 12
1．3．2 圖像內(nèi)容及檢索層次 13
1．3．3 常用特征描述方法 14
1．3．4 特征匹配技術(shù) 19
1．3．5 稀疏表示技術(shù) 25
1．3．6 性能評(píng)價(jià)準(zhǔn)則 27
1．4 CBIR的應(yīng)用與經(jīng)典系統(tǒng) 30
1．4．1 CBIR的應(yīng)用 30
1．4．2 經(jīng)典CBIR系統(tǒng)介紹 31
1．5 本書內(nèi)容安排 38
參考文獻(xiàn) 39
第2章 圖像低層特征的提取與表達(dá) 45
2．1 顏色特征的提取與表達(dá) 45
2．1．1 顏色空間 45
2．1．2 顏色量化 50
2．1．3 全局顏色特征 51
2．1．4 空間顏色特征 56
2．2 形狀特征的提取與表達(dá) 68
2．2．1 概述 68
2．2．2 基于輪廓的描述方法 69
2．2．3 基于區(qū)域的描述方法 89
2．3 紋理特征的提取與表達(dá) 103
2．3．1 概述 103
2．3．2 常用的紋理分析方法 104
2．3．3 局部二值模式 116
2．3．4 紋理基元共生矩陣 128
2．4 MPEG-7中的圖像特征描述符 131
2．4．1 顏色描述符 133
2．4．2 形狀描述符 134
2．4．3 紋理描述符 135
參考文獻(xiàn) 136
第3章 基于壓縮域的圖像檢索技術(shù) 146
3．1 概述 146
3．1．1 圖像壓縮技術(shù) 147
3．1．2 靜態(tài)圖像壓縮標(biāo)準(zhǔn) 153
3．1．3 壓縮域圖像檢索的原理 162
3．1．4 壓縮域圖像檢索的研究?jī)?nèi)容 164
3．1．5 壓縮域圖像檢索的研究方法 164
3．2 空間壓縮域技術(shù) 166
3．2．1 矢量量化 166
3．2．2 分形編碼 169
3．2．3 預(yù)測(cè)編碼 171
3．3 變換壓縮域技術(shù) 172
3．3．1 基于DFT壓縮域 172
3．3．2 基于DCT壓縮域 173
3．3．3 基于小波壓縮域 181
3．3．4 基于K-L變換域 186
3．4 空間域和變換域的融合檢索 188
3．5 DCT壓縮域內(nèi)的紋理特征 189
3．5．1 復(fù)雜度的定義 190
3．5．2 復(fù)雜度直方圖 191
3．6 DCT壓縮域內(nèi)的形狀特征 193
3．6．1 理想邊緣模型DCT塊的分類 193
3．6．2 空間邊緣分布特征的提取 195
參考文獻(xiàn) 196
第4章 視覺(jué)注意計(jì)算模型 205
4．1 概述 205
4．1．1 人類視覺(jué)系統(tǒng) 205
4．1．2 視覺(jué)系統(tǒng)理論 207
4．1．3 研究現(xiàn)狀 214
4．2 基于特征加權(quán)的視覺(jué)注意計(jì)算模型 219
4．2．1 模型實(shí)現(xiàn)過(guò)程 219
4．2．2 物體識(shí)別實(shí)驗(yàn) 223
4．2．3 物體搜索實(shí)驗(yàn) 226
4．3 基于高斯混合的視覺(jué)注意計(jì)算模型 229
4．3．1 高斯混合模型 230
4．3．2 基于GMM的視覺(jué)注意計(jì)算模型 232
4．3．3 實(shí)驗(yàn)與分析 236
4．4 基于CIELab的視覺(jué)注意計(jì)算模型 239
4．4．1 模型實(shí)現(xiàn)過(guò)程 240
4．4．2 實(shí)驗(yàn)與分析 245
參考文獻(xiàn) 255
第5章 自動(dòng)圖像標(biāo)注技術(shù) 261
5．1 概述 261
5．1．1 自動(dòng)圖像標(biāo)注概述及研究意義 261
5．1．2 自動(dòng)圖像標(biāo)注的關(guān)鍵問(wèn)題 264
5．2 圖像視覺(jué)特征選擇 265
5．2．1 視覺(jué)特征選擇 265
5．2．2 視覺(jué)特征加權(quán) 266
5．3 自動(dòng)圖像標(biāo)注模型 273
5．3．1 基于生成模型的標(biāo)注方法 273
5．3．2 基于判別模型的標(biāo)注方法 279
5．3．3 基于多示例學(xué)習(xí)的標(biāo)注方法 289
參考文獻(xiàn) 314
第6章 子空間特征提取技術(shù) 321
6．1 概述 321
6．1．1 降維原因 321
6．1．2 子空間特征提取方法的形式化描述及分類 323
6．2 經(jīng)典的子空間特征提取方法 324
6．2．1 線性方法 324
6．2．2 核方法 326
6．2．3 流形方法 328
6．2．4 半監(jiān)督方法 333
6．2．5 張量方法 334
6．2．6 圖嵌入框架 334
6．3 基于自適應(yīng)近鄰圖嵌入的局部鑒別投影方法 339
6．3．1 方法提出的背景 339
6．3．2 LFDA 339
6．3．3 LADP 342
6．4 基于對(duì)角圖像的模糊線性鑒別分析 347
6．4．1 方法提出的背景 347
6．4．2 FLDA 347
6．4．3 對(duì)角圖像 353
6．4．4 DiaFLDA 354
6．5 DCT域內(nèi)拉普拉斯值排序的子空間特征提取方法 357
6．5．1 方法提出的背景 357
6．5．2 離散余弦變換（DCT） 357
6．5．3 局部保持能力判據(jù) 359
6．5．4 DCT/LS+LPP 361
參考文獻(xiàn) 362