视觉显著性检测方法及应用 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*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*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*优对比度 82
4．4．1单尺度下的*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

视觉显著性检测方法及应用 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：靠前部分（靠前章）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。

视觉显著性检测方法及应用 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。