目錄
前言
第1章 顯著目標(biāo)檢測(cè) 1
1.1 概述 1
1.2 受人類視覺(jué)系統(tǒng)啟發(fā)的顯著目標(biāo)檢測(cè) 3
1.2.1 視覺(jué)注意機(jī)制 3
1.2.2 顯著目標(biāo)檢測(cè)的神經(jīng)生物學(xué)機(jī)制 4
1.2.3 顯著目標(biāo)檢測(cè)的心理物理學(xué)機(jī)制 6
1.3 顯著目標(biāo)檢測(cè)算法 7
1.3.1 基于自底向上的顯著目標(biāo)檢測(cè)算法 8
1.3.2 基于自頂向下的顯著目標(biāo)檢測(cè)算法 8
1.4 定位顯著目標(biāo)的方法 9
1.4.1 基于像素級(jí)的方法 9
1.4.2 基于特征級(jí)的方法 10
1.4.3 基于決策級(jí)的方法 10
參考文獻(xiàn) 10
第2章 基于像素級(jí)非線性融合的夜間圖像顯著目標(biāo)檢測(cè) 14
2.1 頻域-空域融合的方法 14
2.1.1 顯著目標(biāo)檢測(cè)算法 14
2.1.2 頻域和空域顯著目標(biāo)檢測(cè)方法相關(guān)工作 15
2.1.3 顯著目標(biāo)檢測(cè)模型 17
2.1.4 實(shí)驗(yàn) 23
2.1.5 總結(jié) 32
2.2 基于超像素的全局對(duì)比度驅(qū)動(dòng)方法 32
2.2.1 基于超像素的全局對(duì)比度驅(qū)動(dòng)的顯著目標(biāo)檢測(cè)算法 33
2.2.2 實(shí)驗(yàn)結(jié)果 36
2.2.3 總結(jié) 43
2.3 基于局部-全局對(duì)比度的多尺度超像素級(jí)顯著目標(biāo)檢測(cè)模型 43
2.3.1 多尺度特征提取 44
2.3.2 暗通道先驗(yàn) 47
2.3.3 中心先驗(yàn) 47
2.3.4 顯著圖融合 48
2.3.5 實(shí)驗(yàn)結(jié)果 48
2.3.6 總結(jié) 56
參考文獻(xiàn) 56
第3章 基于特征級(jí)非線性融合的夜間圖像顯著目標(biāo)檢測(cè) 60
3.1 基于局部-全局超像素協(xié)方差的顯著目標(biāo)檢測(cè)模型 60
3.1.1 局部和全局超像素協(xié)方差估計(jì) 61
3.1.2 基于圖的流形排序 62
3.1.3 基于特征的區(qū)域協(xié)方差 62
3.1.4 基于協(xié)方差的顯著性估計(jì) 63
3.1.5 基于擴(kuò)散的顯著性優(yōu)化 64
3.1.6 實(shí)驗(yàn) 64
3.1.7 總結(jié) 71
3.2 低對(duì)比度圖像中顯著目標(biāo)檢測(cè)的層次特征融合方法 72
3.2.1 視覺(jué)特征提取 72
3.2.2 自適應(yīng)多特征融合 77
3.2.3 實(shí)驗(yàn)結(jié)果 79
3.2.4 總結(jié) 82
參考文獻(xiàn) 82
第4章 基于決策級(jí)非線性融合的夜間圖像顯著目標(biāo)檢測(cè) 85
4.1 低對(duì)比度圖像的顯著特征中的顯著目標(biāo)檢測(cè) 85
4.1.1 本節(jié)提出的顯著目標(biāo)檢測(cè)模型 86
4.1.2 實(shí)驗(yàn)結(jié)果 89
4.1.3 總結(jié) 92
4.2 基于協(xié)方差卷積神經(jīng)網(wǎng)絡(luò)的低對(duì)比度圖像顯著目標(biāo)檢測(cè)模型 92
4.2.1 本節(jié)提出的模型 93
4.2.2 實(shí)驗(yàn)結(jié)果 97
4.2.3 總結(jié) 109
參考文獻(xiàn) 109
第5章 基于非線性融合夜間圖像顯著目標(biāo)檢測(cè)的應(yīng)用 111
5.1 目標(biāo)跟蹤 111
5.2 目標(biāo)檢測(cè) 112
5.3 目標(biāo)識(shí)別 113
5.4 行人重識(shí)別 115
5.5 圖像檢索 116
參考文獻(xiàn) 117