图像语义分析PDF|Epub|txt|kindle电子书版本网盘下载

图像语义分析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 图像语义分析的基本概念1

1.1.1 图像语义分析与计算智能1

1.1.2 图像语义分析与认知科学2

1.2 图像语义分析研究内容3

1.2.1 图像理解与高层语义3

1.2.2 图像语义标注4

1.2.3 场景描述与理解5

1.2.4 图像语义推理描述5

1.3 图像语义分析的研究方法6

1.3.1 模式识别方法：判别模型6

1.3.2 模式识别方法：生成模型7

1.3.3 高层语义分析8

1.4 图像语义分析的应用9

1.4.1 目标识别和解释9

1.4.2 基于内容的图像和视频检索9

1.4.3 辅助环境感知10

参考文献11

第2章 图像表示与特征提取13

2.1 引言13

2.2 图像表示13

2.2.1 图像结构13

2.2.2 语义表示25

2.3 视觉认知模型32

2.3.1 Serre模型32

2.3.2 Mutch模型33

2.3.3 Karklin模型34

2.4 图像特征提取37

2.4.1 图像视觉特征37

2.4.2 常用图像特征提取方法40

2.5 图像特征表示52

2.5.1 直方图52

2.5.2 区域特征54

2.5.3 形状上下文60

2.5.4 视觉词包62

2.5.5 机器自主学习的特征表示67

2.5.6 图像特征表示小结68

2.6 图像特征评价69

2.6.1 图像特征检测器评价69

2.6.2 特征描述子评价71

2.6.3 图像特征评价小结73

参考文献73

第3章 分类判别模型82

3.1 引言82

3.2 Boosting分类方法82

3.3 统计模型84

3.3.1 统计学习理论84

3.3.2 支持向量机模型85

3.4 深度神经网络模型86

3.5 图像建模方法87

3.5.1 聚类分析方法88

3.5.2 支持向量机94

3.5.3 CNN训练算法102

参考文献105

第4章 生成模型108

4.1 引言108

4.2 交叉相关模型108

4.2.1 跨媒体相关模型108

4.2.2 连续空间相关模型109

4.2.3 多伯努利相关模型111

4.3 PLSA模型113

4.3.1 模型描述113

4.3.2 参数估计115

4.4 LDA模型116

4.4.1 LDA模型描述116

4.4.2 LDA模型学习117

4.5 高斯混合模型122

4.5.1 高斯混合模型描述122

4.5.2 高斯混合模型的EM算法124

4.6 上下文概念模型128

4.6.1 语义空间与上下文建模128

4.6.2 上下文概念模型学习129

4.7 深度信念网络模型133

4.7.1 生成型深度模型133

4.7.2 DBN学习算法134

参考文献134

第5章 图像中的目标检测与识别137

5.1 引言137

5.2 图像分割137

5.2.1 基于支持向量机的图像分割138

5.2.2 图论分割方法141

5.2.3 几何轮廓分割144

5.2.4 特征聚类分割145

5.2.5 交互分割151

5.2.6 基于视觉认知模型的图像分割153

5.3 目标识别172

5.3.1 基于Boosting的目标识别172

5.3.2 基于支持向量机的目标识别173

5.3.3 基于稀疏表示的目标识别174

5.4 视觉注意机制174

5.4.1 视觉注意174

5.4.2 视觉注意机制的特点175

5.4.3 视觉注意模型177

5.4.4 视觉注意建模的计算过程184

5.4.5 基于PLSA的视觉目标分类186

参考文献190

第6章 图像语义标注197

6.1 引言197

6.2 基于全局特征的图像标注方法198

6.3 基于局部特征的图像标注方法198

6.4 图像语义标注分层模型199

6.5 基于分类的图像标注算法201

6.5.1 基于二分类的图像标注202

6.5.2 基于多示例学习的图像标注算法203

6.6 基于概率模型的图像标注算法206

6.7 基于粒度分析的图像标注算法208

6.8 基于图学习的图像标注算法210

6.9 展望212

参考文献212

第7章 场景中的图像语义215

7.1 引言215

7.2 场景分类215

7.2.1 场景的视觉感知层次215

7.2.2 场景分类的方法216

7.3 场景语义分析的视觉应用217

7.3.1 基于Gist特征的场景全局感知分类217

7.3.2 基于高斯统计概率模型的场景分类220

7.3.3 基于空间LBP的场景图像分类221

7.3.4 基于多层次核机器的场景图像分类223

7.3.5 基于多池组合的场景图像分类226

参考文献229

第8章 深度学习在图像语义分析中的应用232

8.1 引言232

8.2 手写体字符识别232

8.2.1 基于DBN的字符识别233

8.2.2 基于CNN-SVM的字符识别236

8.2.3 手写签名识别239

8.3 人脸识别240

8.3.1 基于能量模型的协同人脸检测和姿态估计240

8.3.2 基于联合密度建模的人脸表情识别243

8.3.3 基于深度学习的层次化人脸解析245

8.4 图像标注和目标识别246

8.4.1 场景解析246

8.4.2 目标识别252

参考文献256

第9章 图像语义分析的应用259

9.1 目标识别和解释259

9.2 基于内容的图像和视频检索系统260

9.2.1 基于内容的图像和视频检索系统概况261

9.2.2 基于内容的图像检索系统262

9.2.3 基于内容的视频检索系统263

9.3 电子导盲系统266

9.3.1 电子导盲系统概况266

9.3.2 基于图像语义分析的电子导盲系统268

参考文献271