基于視覺(jué)顯著(zhù)性的圖像分割簡(jiǎn)介，目錄書(shū)摘
2019-12-16 10:35
來(lái)源：京東
作者：京東
基于視覺(jué)顯著(zhù)性的圖像分割
暫無(wú)報價(jià)
10+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 多示例學(xué)習與圖割優(yōu)化是近年來(lái)計算機視覺(jué)領(lǐng)域廣受關(guān)注的研究方向。
《基于視覺(jué)顯著(zhù)性的圖像分割》系統地論述了多示例學(xué)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。
《基于視覺(jué)顯著(zhù)性的圖像分割》共6章，一、二章供初學(xué)者學(xué)習，論述了目標顯著(zhù)性檢測方法、基于圖論的圖像分割方法與多示例學(xué)習方法的研究現狀，以及圖像顯著(zhù)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(zhù)性目標分割方法的基本原理及具體算法的實(shí)現步驟。第五章論述了基于多示例與圖割優(yōu)化的圖像分割方法在實(shí)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(jué)顯著(zhù)性的圖像分割》適合計算機視覺(jué)、圖像處理、模式識別等研究方向的讀者及開(kāi)發(fā)工程師參考學(xué)習。
《基于視覺(jué)顯著(zhù)性的圖像分割》系統地論述了多示例學(xué)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。
《基于視覺(jué)顯著(zhù)性的圖像分割》共6章，一、二章供初學(xué)者學(xué)習，論述了目標顯著(zhù)性檢測方法、基于圖論的圖像分割方法與多示例學(xué)習方法的研究現狀，以及圖像顯著(zhù)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(zhù)性目標分割方法的基本原理及具體算法的實(shí)現步驟。第五章論述了基于多示例與圖割優(yōu)化的圖像分割方法在實(shí)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(jué)顯著(zhù)性的圖像分割》適合計算機視覺(jué)、圖像處理、模式識別等研究方向的讀者及開(kāi)發(fā)工程師參考學(xué)習。
作者簡(jiǎn)介:
目錄:第一章 緒論
1．1 研究背景與意義
1．2 國內外研究現狀綜述
1．2．1 目標顯著(zhù)性檢測方法
1．2．2 基于圖論的圖像分割方法
1．2．3 多示例學(xué)習方法
1．3 本文的主要研究?jì)热莺驼鹿澃才?
第二章 圖像顯著(zhù)特征與相似性度量分析
2．1 圖像顯著(zhù)特征分析
2．1．1 底層特征
2．1．2 中高層語(yǔ)義特征
2．2 相似性度量分析
2．2．1 相似性計算模型
2．2．2 相似性度量
2．3 本章小結
第三章 基于多示例學(xué)習的圖像目標顯著(zhù)性特征檢測
3．1 顯著(zhù)性特征的檢測
3．1．1 圖像的預處理
3．1．2 亮度梯度特征
3．1．3 色彩梯度特征
3．1．4 紋理梯度特征
3．1．5 圖像的邊界鏡像
3．2 基于多示例學(xué)習的顯著(zhù)性檢測
3．2．1 Bag-SVM算法
3．2．2 Ins-SVM算法
3．2．3 APR算法
3．2．4 EMDD算法
3．3 基于多示例學(xué)習的顯著(zhù)性檢測實(shí)驗結果分析
3．3．1 實(shí)驗結果對比分析
3．3．2 算法性能對比分析
3．4 本章小結
第四章 基于圖割優(yōu)化的顯著(zhù)性目標分割方法
4．1 圖的基本概念
4．2 基于圖割優(yōu)化的圖像顯著(zhù)性目標分割方法
4．2．1 自適應圖像層次分割方法
4．2．2 基于圖割優(yōu)化的圖像顯著(zhù)性目標分割方法
4．2．3 圖像分割質(zhì)量評價(jià)指標分析
4．2．4 實(shí)驗結果對比分析
4．3 本章小結
第五章 基于多示例學(xué)習與圖割優(yōu)化的弱對比度車(chē)輛目標分割算法
5．1 基于機器視覺(jué)的道路交通信息采集與檢測系統
5．2 基于多示例學(xué)習與圖割優(yōu)化的弱對比度車(chē)輛目標分割算法
5．2．1 車(chē)輛目標特征分析
5．2．2 算法具體步驟
5．3 算法實(shí)驗與評價(jià)
5．3．1 算法實(shí)驗過(guò)程
5．3．2 實(shí)驗結果對比
5．3．3 算法評價(jià)分析
5．4 本章小結
……
第六章 結論與展望
參考文獻
致謝
1．1 研究背景與意義
1．2 國內外研究現狀綜述
1．2．1 目標顯著(zhù)性檢測方法
1．2．2 基于圖論的圖像分割方法
1．2．3 多示例學(xué)習方法
1．3 本文的主要研究?jì)热莺驼鹿澃才?
第二章 圖像顯著(zhù)特征與相似性度量分析
2．1 圖像顯著(zhù)特征分析
2．1．1 底層特征
2．1．2 中高層語(yǔ)義特征
2．2 相似性度量分析
2．2．1 相似性計算模型
2．2．2 相似性度量
2．3 本章小結
第三章 基于多示例學(xué)習的圖像目標顯著(zhù)性特征檢測
3．1 顯著(zhù)性特征的檢測
3．1．1 圖像的預處理
3．1．2 亮度梯度特征
3．1．3 色彩梯度特征
3．1．4 紋理梯度特征
3．1．5 圖像的邊界鏡像
3．2 基于多示例學(xué)習的顯著(zhù)性檢測
3．2．1 Bag-SVM算法
3．2．2 Ins-SVM算法
3．2．3 APR算法
3．2．4 EMDD算法
3．3 基于多示例學(xué)習的顯著(zhù)性檢測實(shí)驗結果分析
3．3．1 實(shí)驗結果對比分析
3．3．2 算法性能對比分析
3．4 本章小結
第四章 基于圖割優(yōu)化的顯著(zhù)性目標分割方法
4．1 圖的基本概念
4．2 基于圖割優(yōu)化的圖像顯著(zhù)性目標分割方法
4．2．1 自適應圖像層次分割方法
4．2．2 基于圖割優(yōu)化的圖像顯著(zhù)性目標分割方法
4．2．3 圖像分割質(zhì)量評價(jià)指標分析
4．2．4 實(shí)驗結果對比分析
4．3 本章小結
第五章 基于多示例學(xué)習與圖割優(yōu)化的弱對比度車(chē)輛目標分割算法
5．1 基于機器視覺(jué)的道路交通信息采集與檢測系統
5．2 基于多示例學(xué)習與圖割優(yōu)化的弱對比度車(chē)輛目標分割算法
5．2．1 車(chē)輛目標特征分析
5．2．2 算法具體步驟
5．3 算法實(shí)驗與評價(jià)
5．3．1 算法實(shí)驗過(guò)程
5．3．2 實(shí)驗結果對比
5．3．3 算法評價(jià)分析
5．4 本章小結
……
第六章 結論與展望
參考文獻
致謝
京公網(wǎng)安備 11000002000088號
