复杂场景下图像与视频分析PDF电子书下载

第1章 绪论 1

1.1视觉感知与彩色模型 1

1.1.1视觉感知 1

1.1.2彩色模型 3

1.2图像和视频的数字化 8

1.2.1图像的数字化 8

1.2.2视频的数字化 10

1.3图像和视频分析的相关概念 10

1.3.1数字图像处理 10

1.3.2图像分析 11

1.3.3视频分析 12

1.4图像与视频分析的研究内容 13

1.4.1图像与视频场景分割 13

1.4.2图像与视频场景特征描述 14

1.4.3图像/视频中的目标识别 15

1.4.4场景描述与理解 16

1.5图像与视频分析的应用 17

1.5.1工业方面的应用 17

1.5.2医学图像分析 18

1.5.3遥感领域应用 18

1.5.4军事公安领域的应用 19

1.5.5交通 20

1.5.6其他 21

1.6小结 22

参考文献 22

第2章 图像分割技术 24

2.1图像与视频分割概述 24

2.2几种经典图像分割方法 25

2.2.1基于边缘的分割 25

2.2.2基于阈值的分割 32

2.2.3基于区域的分割 37

2.3基于形态学分水岭的分割 39

2.3.1形态学图像处理基本概念和运算 39

2.3.2基于分水岭的分割 43

2.4基于聚类的分割 46

2.4.1 C-均值聚类方法 46

2.4.2模糊C-均值聚类方法 47

2.5基于图论的图像分割方法 49

2.5.1基本原理 49

2.5.2 GraphCut及其改进图像分割方法 50

2.5.3其他基于图的分割方法 55

2.6偏微分图像分割 56

2.6.1 Snakes及其改进模型 57

2.6.2水平集（Level Set）方法 58

2.6.3基于变分水平集的图像分割 62

2.7多特征融合的图像分割 63

2.8彩色图像分割 64

2.8.1直方图阈值法 64

2.8.2彩色空间聚类法 65

2.8.3融合颜色和空间信息的彩色图像分割 66

2.9视频对象分割 68

2.9.1基于时空的视频对象分割 68

2.9.2基于运动的视频对象分割 71

2.9.3交互式视频对象分割 79

2.9.4基于高斯混合模型的自适应阴影检测 79

2.10小结 82

参考文献 82

第3章 特征描述与提取 86

3.1概述 86

3.1.1视觉特征 87

3.1.2图像内容 87

3.1.3图像特征 87

3.1.4图像特征提取 89

3.1.5特征选择 89

3.2常用的低层视觉特征 90

3.2.1颜色特征描述 91

3.2.2纹理特征描述 96

3.2.3形状特征描述 127

3.2.4局部特征描述 150

3.2.5视觉特征的比较 182

3.3其他低层特征提取 183

3.3.1图像代数特征 183

3.3.2图像变换系数特征 184

3.3.3基于统计信息的特征提取 184

3.4图像中层语义描述 185

3.4.1视觉词包（Bag-of-Visterms，BOV） 185

3.4.2语义主题 188

3.5图像高层语义特征描述 189

3.5.1语义提取模型 190

3.5.2语义关联 192

3.5.3高层语义描述推理 193

3.6运动特征描述 199

3.6.1基于MPEG-7的运动特征描述 201

3.6.2非参数模型 202

3.6.3参数模型 206

3.6.4基于特征的运动估计 210

3.7小结 210

参考文献 211

第4章 分类器设计 218

4.1概述 218

4.1.1生成模型 218

4.1.2判别模型 220

4.1.3混合生成—判别模型 221

4.2常见分类器 222

4.2.1贝叶斯分类器 222

4.2.2 SVM分类器 228

4.2.3强化学习分类器 235

4.2.4神经网络分类器 250

4.2.5基于点集Voronoi图的分类器 256

4.2.6最近邻凸包分类器 258

4.2.7遗传算法和免疫算法的分类器 262

4.2.8基于稀疏表示的分类器 265

4.3多分类器集成 267

4.3.1集成学习的有效性和条件 268

4.3.2基分类器产生方法 269

4.3.3多分类器集成系统结构 270

4.3.4多分类器设计方法 272

4.3.5分类器的选择准则 273

4.3.6 Adaboost分类器 274

4.4小结 279

参考文献 280

第5章 基于SVM的文档图像版面分析 286

5.1概述 286

5.1.1版面分析发展历程 286

5.1.2版面分析方法分类 288

5.2文档图像倾斜检测 290

5.2.1倾斜校正方法概述 290

5.2.2改进的最近邻链倾斜检测算法 292

5.3简单背景下版面分割 298

5.3.1基于边缘检测的连通区构造 298

5.3.2结合连通区和游程平滑版面分割 299

5.3.3文本区域二值化 303

5.4复杂背景下版面分割 304

5.5阅读顺序未知的纯文本图像版面分析 306

5.5.1已有算法分析 307

5.5.2基于SVM的复杂纯文本图像版面分析算法 308

5.6小结 312

参考文献 312

第6章 基于显著性和LDA主题模型的图像场景分类 315

6.1基于语义生成模型的图像场景分类概述 315

6.2基本术语 317

6.3图像中的主题模型 318

6.4基于主题模型的场景分类方法基本框架 319

6.5基于显著性的主题模型场景分类 319

6.5.1视觉词包表示 320

6.5.2视觉词包生成 321

6.5.3基于频域显著性的视觉词包生成 322

6.5.4统计可视单词的词频表 327

6.5.5改进LDA模型在图像上的实现 327

6.6本章小结 340

参考文献 340

第7章 运动目标检测与跟踪 342

7.1概述 342

7.2基于背景差分的目标检测 345

7.2.1背景建模概述 345

7.2.2单高斯背景建模 347

7.2.3高斯混合背景建模 347

7.2.4引入二型模糊的混合高斯背景建模 351

7.3非参数核密度估计的运动目标检测 356

7.3.1经典方法 357

7.3.2基于时间窗的核密度估计运动检测 358

7.3.3聚类差分核密度估计算法 363

7.4检测结果后处理 366

7.5运动目标跟踪 367

7.5.1 Kalman预测与全局特征匹配跟踪 368

7.5.2基于Mean Shift的目标跟踪 373

7.5.3改进的Mean Shift跟踪方法 377

7.5.4基于粒子滤波的跟踪 378

7.5.5抗遮挡目标跟踪 385

7.5.6基于角点抽样的互遮挡多目标跟踪 392

7.6小结 399

参考文献 399

名词索引 404