图像特征提取与检索技术 （书脊有处撕裂）

图书标准信息

• 作者 孙君顶 著
• 出版社 电子工业出版社
• 出版时间 2015-07
• 版次 1
• ISBN 9787121252716
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 380页
• 字数 602千字
• 正文语种 简体中文

【内容简介】

本书对基于内容的图像检索（Content-Based Image Retrieval，CBIR）技术的基本原理、图像特征提取与检索方法进行了比较详细的介绍和讨论，并融入了作者多年来的相关研究成果。本书共有6章，第1章介绍了CBIR的发展与现状、研究内容及涉及的关键技术，第2章介绍了图像低层特征的提取与表达技术，第3章介绍了基于压缩域的图像检索技术，第4章介绍了视觉注意计算模型，第5章介绍了自动图像标注技术，第6章介绍了子空间特征提取技术。

【作者简介】

孙君顶，2005年6月毕业于西安电子科技大学获计算机应用技术博士学位，同年参加工作，任河南理工大学计算机学院计算机系主任，现任河南理工大学计算机学院副院长。目前主持河南省“十一五”教育科学规划课题、河南省基础与前沿基金、河南省教育厅自然基金等课题6项

【目录】

第1章  基于内容的图像检索与关键技术1
1．1  图像检索技术的发展1
1．1．1  基于文本的图像检索2
1．1．2  基于内容的图像检索3
1．1．3  自动图像标注技术6
1．1．4  国内外研究状况6
1．2  CBIR的研究内容10
1．2．1  特征提取与匹配10
1．2．2  索引机制10
1．2．3  用户接口11
1．3  CBIR的关键技术12
1．3．1  基本检索原理12
1．3．2  图像内容及检索层次13
1．3．3  常用特征描述方法14
1．3．4  特征匹配技术19
1．3．5  稀疏表示技术25
1．3．6  性能评价准则27
1．4  CBIR的应用与经典系统30
1．4．1  CBIR的应用30
1．4．2  经典CBIR系统介绍31
1．5  本书内容安排38
参考文献39
第2章  图像低层特征的提取与表达45
2．1  颜色特征的提取与表达45
2．1．1  颜色空间45
2．1．2  颜色量化50
2．1．3  全局颜色特征51
2．1．4  空间颜色特征56
2．2  形状特征的提取与表达68
2．2．1  概述68
2．2．2  基于轮廓的描述方法69
2．2．3  基于区域的描述方法89
2．3  纹理特征的提取与表达103
2．3．1  概述103
2．3．2  常用的纹理分析方法104
2．3．3  局部二值模式116
2．3．4  纹理基元共生矩阵128
2．4  MPEG-7中的图像特征描述符131
2．4．1  颜色描述符133
2．4．2  形状描述符134
2．4．3  纹理描述符135
参考文献136
第3章  基于压缩域的图像检索技术146
3．1  概述146
3．1．1  图像压缩技术147
3．1．2  静态图像压缩标准153
3．1．3  压缩域图像检索的原理162
3．1．4  压缩域图像检索的研究内容164
3．1．5  压缩域图像检索的研究方法164
3．2  空间压缩域技术166
3．2．1  矢量量化166
3．2．2  分形编码169
3．2．3  预测编码171
3．3  变换压缩域技术172
3．3．1  基于DFT压缩域172
3．3．2  基于DCT压缩域173
3．3．3  基于小波压缩域181
3．3．4  基于K-L变换域186
3．4  空间域和变换域的融合检索188
3．5  DCT压缩域内的纹理特征189
3．5．1  复杂度的定义190
3．5．2  复杂度直方图191
3．6  DCT压缩域内的形状特征193
3．6．1  理想边缘模型DCT块的分类193
3．6．2  空间边缘分布特征的提取195
参考文献196
第4章  视觉注意计算模型205
4．1  概述205
4．1．1  人类视觉系统205
4．1．2  视觉系统理论207
4．1．3  研究现状214
4．2  基于特征加权的视觉注意计算模型219
4．2．1  模型实现过程219
4．2．2  物体识别实验223
4．2．3  物体搜索实验226
4．3  基于高斯混合的视觉注意计算模型229
4．3．1  高斯混合模型230
4．3．2  基于GMM的视觉注意计算模型232
4．3．3  实验与分析236
4．4  基于CIELab的视觉注意计算模型239
4．4．1  模型实现过程240
4．4．2  实验与分析245
参考文献255
第5章  自动图像标注技术261
5．1  概述261
5．1．1  自动图像标注概述及研究意义261
5．1．2  自动图像标注的关键问题264
5．2  图像视觉特征选择265
5．2．1  视觉特征选择265
5．2．2  视觉特征加权266
5．3  自动图像标注模型273
5．3．1  基于生成模型的标注方法273
5．3．2  基于判别模型的标注方法279
5．3．3  基于多示例学习的标注方法289
参考文献314
第6章  子空间特征提取技术321
6．1  概述321
6．1．1  降维原因321
6．1．2  子空间特征提取方法的形式化描述及分类323
6．2  经典的子空间特征提取方法324
6．2．1  线性方法324
6．2．2  核方法326
6．2．3  流形方法328
6．2．4  半监督方法333
6．2．5  张量方法334
6．2．6  图嵌入框架334
6．3  基于自适应近邻图嵌入的局部鉴别投影方法339
6．3．1  方法提出的背景339
6．3．2  LFDA339
6．3．3  LADP342
6．4  基于对角图像的模糊线性鉴别分析347
6．4．1  方法提出的背景347
6．4．2  FLDA347
6．4．3  对角图像353
6．4．4  DiaFLDA354
6．5  DCT域内拉普拉斯值排序的子空间特征提取方法357
6．5．1  方法提出的背景357
6．5．2  离散余弦变换（DCT）357
6．5．3  局部保持能力判据359
6．5．4  DCT/LS+LPP361
参考文献362