紋理圖像分析及情感建模

第一章　概　述 001
1.1　紋理圖像分析概述 001
1.2　圖像分析系統(tǒng) 003
1.3　紋理分析的應(yīng)用領(lǐng)域 006
1.4　紋理分析技術(shù)的發(fā)展歷史、現(xiàn)狀及存在的問(wèn)題 007
參考文獻(xiàn) 012
第二章　紋理的基本概念 015
2.1　紋理的定義 015
2.2　紋理的分類 017
2.2.1　自然紋理 018
2.2.2　人工紋理 018
2.2.3　混合紋理 019
2.3　紋理的特征 019
參考文獻(xiàn) 020

第三章　紋理特征描述方法 022
3.1　統(tǒng)計(jì)法 022
3.1.1　灰度共生矩陣 023
3.1.2　灰度差分矩陣 024
3.1.3　局部二進(jìn)制模式 025
3.2　頻譜分析法 027
3.2.1　傅里葉變換法 027
3.2.2　小波變換法 028
3.2.3　Gabor變換方法 028
3.3　模型法 029
3.3.1　馬爾科夫隨機(jī)場(chǎng)模型 029
3.3.2　分形方法 030
3.3.3　自回歸模型方法 030
3.4　結(jié)構(gòu)法 031
3.4.1　句法紋理描述方法 031
3.4.2　數(shù)學(xué)形態(tài)學(xué)方法 031
3.5　各種不同紋理特征提取方法的比較 032
參考文獻(xiàn) 032
第四章　紋理圖像分類模型 035
4.1　基于監(jiān)督學(xué)習(xí)的分類模型 036
4.1.1　基于參數(shù)學(xué)習(xí)模型 036
4.1.2　基于非參數(shù)學(xué)習(xí)模型 037
4.2　基于非監(jiān)督學(xué)習(xí)的分類模型 037
4.3　基于半監(jiān)督學(xué)習(xí)的分類模型 038
4.4　基于卷積神經(jīng)網(wǎng)絡(luò)的分類模型 039

4.4.1　概述 039
4.4.2　算法流程 040
4.4.3　算法詳細(xì)描述 041
參考文獻(xiàn) 046
第五章　紋理圖像的分割技術(shù) 049
5.1　紋理圖像分割技術(shù)概述 049
5.1.1　紋理分割算法的分類 049
5.1.2　紋理分割過(guò)程存在的問(wèn)題 051
5.2　區(qū)域法 052
5.2.1　區(qū)域生長(zhǎng)的分割方法 052
5.2.2　分類合并的分割方法 052
5.2.3　基于隨機(jī)場(chǎng)的方法 053
5.3　聚類法 053
5.3.1　模糊集合基本知識(shí) 053
5.3.2　K均值聚類算法（K-means，HCM）介紹 054
5.3.3　模糊C均值聚類 056
5.3.4　FCM算法在紋理圖像分割中的應(yīng)用 057
5.4　遙感圖像中的紋理分割技術(shù) 060
5.4.1　基于色彩-紋理特征的小波域規(guī)范分割方法 060
5.4.2　遙感圖像分割實(shí)例 061
參考文獻(xiàn) 063
第六章　紋理合成技術(shù) 066
6.1　紋理合成概述 066
6.1.1　紋理合成技術(shù)的發(fā)展現(xiàn)狀 066

6.1.2　紋理合成技術(shù)的應(yīng)用場(chǎng)景 069
6.2　基于過(guò)程的紋理生成技術(shù) 069
6.2.1　類細(xì)胞紋理過(guò)程的紋理生成模型 070
6.2.2　反應(yīng)-擴(kuò)展算法紋理生成模型 071
6.2.3　Voronoi算法紋理生成模型 072
6.2.4　伊斯蘭紋理算法紋理生成模型 073
6.2.5　分形算法紋理生成模型 073
6.3　噪聲函數(shù)紋理生成模型 074
6.3.1　柏林噪聲函數(shù) 075
6.3.2　小波噪聲函數(shù) 075
6.3.3　著色噪聲函數(shù) 077
6.3.4　分形噪聲函數(shù) 077
6.4　基于紋理合成的圖像修補(bǔ)技術(shù) 078
6.4.1　圖像修補(bǔ)技術(shù)的一般原理 078
6.4.2　圖像修補(bǔ)技術(shù)的發(fā)展和分類 080
參考文獻(xiàn) 087
第七章　紋理分析技術(shù)的應(yīng)用 091
7.1　紋理分析技術(shù)在圖像檢索中的應(yīng)用 091
7.1.1　HSV顏色空間量化及特征提取 091
7.1.2　紋理特征的提取和融合 092
7.1.3　圖像檢索算法 095
7.1.4　實(shí)驗(yàn)結(jié)果分析 096
7.1.5　結(jié)論 098
7.2　紋理分析技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用 098
7.2.1　醫(yī)學(xué)圖像的特點(diǎn) 098

7.2.2　共生矩陣及其特征參量介紹 100
7.2.3　醫(yī)學(xué)圖像紋理信息研究 101
7.3　紋理分析技術(shù)在遙感圖像分類中的應(yīng)用 105
7.3.1　概述 105
7.3.2　遙感圖像紋理特征及提取方法 107
7.3.3　傳統(tǒng)的遙感圖像分類方法 108
參考文獻(xiàn) 116
第八章　圖像的情感語(yǔ)義及情感模型 117
8.1　概述 117
8.1.1　圖像情感語(yǔ)義分析的研究現(xiàn)狀 118
8.1.2　情感的維度表示 124
8.2　情感模型 126
8.2.1　OCC模型 127
8.2.2　EM模型 129
8.2.3　隱馬爾可夫模型 131
8.3　圖像情感語(yǔ)義注釋 132
8.3.1　建立情感語(yǔ)義空間 132
8.3.2　對(duì)圖像進(jìn)行情感語(yǔ)義標(biāo)注 134
8.3.3　圖像的情感語(yǔ)義檢索 135
參考文獻(xiàn) 137
第九章　紋理感知及情感建模 141
9.1　紋理感知 141
9.2　紋理感知研究的常用技術(shù)和方法 146
9.2.1　心理物理學(xué)實(shí)驗(yàn)的幾種常用方法 146

9.2.2　心理物理學(xué)實(shí)驗(yàn)數(shù)據(jù)的分析方法 148
9.2.3　紋理底層特征空間到紋理感知空間的映射 151
9.3　語(yǔ)義差別法 152
9.4　紋理的語(yǔ)義分析 153
9.4.1　概述 153
9.4.2　特征空間的變換 154
9.4.3　選擇形容詞對(duì) 157
9.4.4　情感語(yǔ)義的量化 158
9.5　感知模型的建立 159
參考文獻(xiàn) 162
第十章　典型紋理數(shù)據(jù)集介紹 165
10.1　Brodatz 165
10.2　DTD 166
10.3　Outex Texture Database 167
10.4　Vision Texture 169
10.5　 CUReT 170
10.6　DynTeX 171
10.7　 KTH-TIPS 172
10.8　UIUC紋理庫(kù) 173
參考文獻(xiàn) 173