图像理解理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

图像理解理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　图像理解的基本概念1

1.1.1　图像理解与图像工程2

1.1.2　图像理解与计算机视觉4

1.1.3　图像理解与人工智能6

1.1.4　图像理解与认知学9

1.2　图像理解的研究内容11

1.2.1　场景中目标识别12

1.2.2　场景中目标之间的关系16

1.2.3　场景描述与理解20

1.2.4　图像语义描述推理22

1.3　图像理解的研究方法25

1.3.1　判别分类方法25

1.3.2　生成模型方法25

1.3.3　句法语义分析方法26

1.4　图像理解的应用26

1.4.1　遥感图像解释27

1.4.2　目标识别和解释28

1.4.3　基于内容的图像和视频检索29

参考文献31

第2章　分类判别模型34

2.1　引言34

2.2　Boosting分类方法36

2.2.1　Boosting产生与发展36

2.2.2　Boosting基本思想37

2.2.3　Boosting分类模型38

2.2.4　方法总结46

2.3　SVM分类方法47

2.3.1　统计学习理论47

2.3.2　SVM模型48

2.3.3　方法总结59

2.4　协同学与协同神经网络60

2.4.1　协同学简介60

2.4.2　协同模式识别方法66

2.4.3　方法总结78

2.5　总结78

参考文献79

第3章　生成模型85

3.1　引言85

3.1.1　图论中的无向图与有向图86

3.1.2　图像理解中的标记问题87

3.2　无向图模型90

3.2.1　无向图简介90

3.2.2　随机场模型94

3.2.3　星群模型125

3.2.4　小结137

3.3　有向图模型137

3.3.1　有向图简介139

3.3.2　认知图模型141

3.3.3　pLSA模型148

3.3.4　LDA模型153

3.3.5　小结158

3.4　总结160

参考文献160

第4章　图像信息表示与特征提取169

4.1　引言169

4.2　图像信息表示170

4.2.1　图像数据结构170

4.2.2　知识表示173

4.2.3　数据与知识的融合173

4.3　图像特征提取175

4.3.1　基本图像特征提取176

4.3.2　常用图像特征提取186

4.3.3　方法小结208

4.4　图像特征表达209

4.4.1　直方图表达209

4.4.2　区域特征表达210

4.4.3　边缘特征表达216

4.4.4　基于包的表达218

4.4.5　方法小结221

4.5　图像特征评价221

4.5.1　检测算子评价221

4.5.2　特征描述子评价223

4.5.3　方法小结225

4.6　总结225

参考文献225

第5章　场景中的目标识别233

5.1　引言233

5.2　图像分割233

5.2.1　基于SVM的图像分割234

5.2.2　基于取样的图像分割238

5.2.3　全互连结构的图像分割248

5.2.4　MRF+pLSA区域分割标记265

5.2.5　基于产生式规则的图像分割272

5.3　目标识别287

5.3.1　基于认知图的目标形状识别288

5.3.2　基于协同神经网络的生物特征识别300

5.3.3　基于Boosting的目标识别310

5.3.4　基于SVM的目标识别322

5.4　广义目标识别335

5.4.1　Boosting多值分类的目标检测识别335

5.4.2　视觉注意机制引导的协同目标识别346

5.4.3　pLSA的视觉目标分类352

5.4.4　pLSA下的无向图广义目标识别354

5.5　总结361

参考文献362

第6章　场景中目标之间的关系368

6.1　引言368

6.2　与或图和解析图368

6.3　视觉词汇370

6.3.1　视觉词汇表达370

6.3.2　低层图像基元371

6.3.3　中层图基元对373

6.3.4　高层目标部分374

6.4　关联和结构376

6.4.1　关联376

6.4.2　结构383

6.5　目标间关系的视觉应用385

6.5.1　星群模型的部分关联分析385

6.5.2　场景-目标关联的目标识别390

6.6　总结396

参考文献396

第7章　场景描述与理解399

7.1　引言399

7.2　场景分类400

7.2.1　场景分类的概念400

7.2.2　场景分类的特点400

7.2.3　场景的视觉感知层次402

7.2.4　场景分类的方法403

7.3　场景理解的视觉应用411

7.3.1　基于Gist特征的场景全局感知分类411

7.3.2　基于高斯统计概率模型的场景分类424

7.3.3　图像理解的场景分析约束机制430

7.4　总结432

参考文献432

第8章　场景中的句法语义436

8.1　引言436

8.2　句法语言437

8.2.1　句法重用和歧义结构437

8.2.2　语义词汇表达440

8.2.3　WordNet词汇网440

8.3　基于统计的句法分析445

8.3.1　句法公式446

8.3.2　随机句法447

8.3.3　上下文有关随机句法449

8.3.4　随机句法与或图450

8.3.5　句法学习与推理456

8.4　基于统计句法的视觉应用464

8.4.1　人造场景解析465

8.4.2　人体外观建模与推理468

8.4.3　目标类别推理识别469

8.5　总结470

参考文献471

第9章　图像理解开发环境474

9.1　引言474

9.2　图像理解环境474

9.2.1　IUE起源474

9.2.2　IUE类谱系475

9.2.3　IUE任务库475

9.2.4　IUE执行界面和接口477

9.3　OpenCV477

9.3.1　OpenCV起源477

9.3.2　OpenCV类谱系478

9.3.3　OpenCV任务库479

9.3.4　OpenCV执行界面和接口481

9.3.5　OpenCV应用实例481

9.4　VXL489

9.4.1　VXL起源489

9.4.2　VXL类谱系490

9.4.3　VXL任务库490

9.4.4　VXL执行界面和接口491

9.4.5　VXL应用实例491

9.5　总结491

参考文献492

第10章　图像数据集494

10.1　引言494

10.2　传统图像集494

10.2.1　一般目标识别图像集495

10.2.2　图像检索图像集509

10.2.3　手势识别图像集512

10.2.4　数字识别图像集519

10.2.5　PASCAL图像集523

10.3　融合视觉知识的图像集525

10.3.1　图像集中的视觉知识526

10.3.2　LabelMe图像集527

10.3.3　LotusHill图像集534

10.4　总结538

参考文献539