數(shù)字圖像視覺顯著性檢測、修復(fù)與目標(biāo)識別技術(shù)

第一章緒論
第一節(jié)計算機視覺技術(shù)002
第二節(jié)視覺注意機制研究現(xiàn)狀005
一、 元胞自動機的基本結(jié)構(gòu)006
二、協(xié)同顯著性算法研究現(xiàn)狀010
第三節(jié)圖像修復(fù)與目標(biāo)檢測研究現(xiàn)狀013
一、圖像修復(fù)的研究現(xiàn)狀013
二、目標(biāo)檢測的研究現(xiàn)狀015
第二章基于PCNN的顯著性區(qū)域混合估計模型研究
第一節(jié)引言018
第二節(jié)顯著性濾波算法020
一、圖像預(yù)處理（abstraction）020
二、顏色獨立性度量（element uniqueness）021
三、空間顏色分布度量（element distribution）022
四、生成顯著性圖（saliency assignment）023
五、算法魯棒性討論023
第三節(jié)基于PCNN的改進顯著性區(qū)域提取算法025
一、輸入單元026
二、連接調(diào)制單元027
三、點火脈沖單元027
第四節(jié)實驗結(jié)果及總結(jié)分析030
一、標(biāo)準數(shù)據(jù)庫030
二、評價方案和指標(biāo)031
三、標(biāo)準數(shù)據(jù)庫實驗及分析033
第三章基于多尺度優(yōu)化的顯著性目標(biāo)細微區(qū)域檢測方法研究
第一節(jié)引言044
第二節(jié)元胞自動機模型045
一、元胞自動機的基本結(jié)構(gòu)045
二、元胞自動機的應(yīng)用047
第三節(jié)顯著性目標(biāo)細微區(qū)域檢測算法047
一、暗通道先驗原始顯著性圖049
二、元胞自動機優(yōu)化顯著性圖051
三、貝葉斯概率融合方法052
第四節(jié)實驗結(jié)果及分析054
一、DUTOMRON數(shù)據(jù)庫054
二、加權(quán)綜合F值評價方案055
三、數(shù)據(jù)庫實驗及分析058
第四章基于引導(dǎo)傳播和流形排序的協(xié)同顯著性檢測方法研究
第一節(jié)引言068
第二節(jié)基于流形排序的顯著性計算方法069
一、流形排序070
二、圖模型建立070
三、顯著性檢測071
第三節(jié)協(xié)同顯著性算法模型072
一、輸入圖像預(yù)處理074
二、圖像間顯著性傳播075
三、圖像內(nèi)流形排序076
第四節(jié)實驗結(jié)果及分析078
一、協(xié)同顯著性數(shù)據(jù)庫078
二、定性和定量對比實驗078
三、算法參數(shù)討論086
四、算法模型獨立性分析087
五、算法執(zhí)行效率088
六、真實場景圖像檢測和分割實驗088
第五章場內(nèi)外特征融合的水下殘缺圖像精細修復(fù)
第一節(jié)常識性知識的檢索和嵌入092
第二節(jié)特征融合094
第三節(jié)基于場內(nèi)外特征融合的水下殘缺圖像重構(gòu)096
一、水下殘缺圖像重構(gòu)模型096
二、粗修復(fù)網(wǎng)絡(luò)096
三、精細修復(fù)網(wǎng)絡(luò)097
四、損失函數(shù)099
第四節(jié)場內(nèi)外特征融合的水下殘缺圖像修復(fù)結(jié)果與分析100
一、實驗設(shè)置100
二、定性評價實驗100
三、定量評價實驗104
第六章基于顯著環(huán)境特征融合的水下遮擋目標(biāo)精細重構(gòu)
第一節(jié)對比學(xué)習(xí)108
第二節(jié)注意力機制110
第三節(jié)基于環(huán)境特征融合的水下遮擋目標(biāo)精細重構(gòu)112
一、水下遮擋目標(biāo)精細重構(gòu)模型112
二、模型訓(xùn)練與損失函數(shù)113
第四節(jié)基于環(huán)境特征融合的水下遮擋目標(biāo)重構(gòu)實驗結(jié)果與分析114
一、實驗設(shè)置114
二、水下遮擋圖像重構(gòu)仿真與結(jié)果分析114
第七章水下遮擋目標(biāo)的識別
第一節(jié)基于遷移學(xué)習(xí)的水下遮擋目標(biāo)識別122
一、遷移學(xué)習(xí)介紹123
二、基于自適應(yīng)多特征集成遷移學(xué)習(xí)模型123
三、基于遷移學(xué)習(xí)的水下遮擋目標(biāo)識別124
第二節(jié)基于融合顯著環(huán)境特征的水下遮擋目標(biāo)識別125
一、特征提取126
二、交互作用128
三、目標(biāo)識別及損失函數(shù)129
四、基于融合顯著環(huán)境特征的水下遮擋目標(biāo)識別仿真與結(jié)果分析130
第三節(jié)基于兩階段圖像重構(gòu)策略的水下遮擋目標(biāo)識別136
一、自適應(yīng)邊界回歸的目標(biāo)識別模型136
二、基于兩階段圖像重構(gòu)策略的水下遮擋目標(biāo)識別仿真與結(jié)果分析139
第八章應(yīng)用案例
第一節(jié)顯著性檢測在機器人目標(biāo)抓取任務(wù)中的典型應(yīng)用案例144
一、服務(wù)機器人平臺介紹144
二、基于顯著性檢測的空間障礙物感知策略148
三、基于協(xié)同顯著性檢測的空間物體檢測與定位方法151
第二節(jié)水下目標(biāo)識別在AUV場景感知任務(wù)中的典型應(yīng)用案例155
一、水下機器人的研究現(xiàn)狀155
二、圖像處理技術(shù)在水下機器人領(lǐng)域的應(yīng)用現(xiàn)狀156
三、機器人調(diào)試與水下圖像識別157
第三節(jié)輕量級顯著性檢測在肉品智能化加工中的經(jīng)典應(yīng)用案例157
一、輕量級顯著性檢測研究現(xiàn)狀157
二、國內(nèi)外肉品智能化加工機器人技術(shù)發(fā)展?fàn)顩r158
三、基于輕量化顯著性檢測的畜類肉品骨骼在線定位160
第四節(jié)總結(jié)與展望162
一、總結(jié)162
二、展望165
參考文獻