视觉显著性检测方法及应用

图书标准信息

• 作者 钱晓亮
• 出版社 电子工业出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787121348037
• 定价 68.00元
• 装帧 其他
• 开本 16开
• 纸张 轻型纸
• 页数 228页
• 字数 256千字

【内容简介】

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。

【作者简介】

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。

【目录】

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