图像语义分析PDF电子书下载

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