視覺顯著性目標檢測原理及方法

定　價：￥68.00

作　者：	王凡，王銘顯著
出版社：	中國石化出版社有限公司
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥60.10)

ISBN：	9787511478634	出版時間：	2025-01-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書首先主要介紹了視覺顯著性目標檢測原理，綜述了視覺顯著性目標檢測研究現(xiàn)狀；其次詳細介紹了一種主流的視覺顯著性檢測的理論模型-圖半監(jiān)督學習，并闡述了其存在優(yōu)點和缺點，提出了幾種基于圖半監(jiān)督學習的視覺顯著性目標檢測方法，突破了圖半監(jiān)督學習在視覺顯著性目標檢測中的局限性。目前，關于基于圖半監(jiān)督學習的視覺顯著性目標檢測的學術(shù)期刊論文很多，但是相關書籍很少。所以，本書可為以后進一步深入研究視覺顯著性檢測方法和圖半監(jiān)督學習理論的相關應用奠定基礎。

作者簡介

　　王凡，女，講師，博士，專業(yè)為數(shù)學，研究方向為圖形圖像信息處理的理論與方法。2015年9月-2022年6月，碩士和博士就讀于西北工業(yè)大學；2022年7月，進入西安石油大學工作。圍繞圖像及視頻的視覺顯著目標檢測，近五年以第一作者發(fā)表學術(shù)論文7篇，其中SCI學術(shù)論文6篇和國際會議論文1篇。王銘顯，男，西安石油大學副教授，碩士研究生導師。2019年，入職西安石油大學地球科學與工程學院。主要從事油氣藏地質(zhì)開發(fā)工程一體化、碳酸鹽巖油藏注水開發(fā)、油氣儲層滲流力學、非常規(guī)儲層滲吸增產(chǎn)機理、油氣藏數(shù)值模擬等研究。主持國家自然科學基金、陜西省自然科學基金、中國石油科技創(chuàng)新基金各1項，主持油田企業(yè)橫向課題2項，參與國家科技重大專項課題1項、國家自然科學基金2項。以第一作者或通信作者發(fā)表SCI論文13篇，中文核心論文4篇，出版專著1部，授權(quán)國家發(fā)明專利5項?！段靼彩痛髮W學報（自然科學版）》、《油氣藏評價與開發(fā)》等期刊青年編委。

圖書目錄

第1章緒論（1）
1.1引言（1）
1.2視覺顯著性檢測任務（2）
1.3視覺顯著性檢測研究現(xiàn)狀（5）
1.3.1基于低層圖像特征的自底向上顯著性目標檢測方法（6）
1.3.2基于低層圖像特征的自頂向下顯著性目標檢測方法（10）
1.3.3基于高層語義信息的自底向上顯著性目標檢測方法（11）
1.3.4基于深度學習的顯著性目標檢測方法（12）
1.4視覺顯著性檢測研究存在的問題（12）
1.4.1研究對象存在的挑戰(zhàn)（12）
1.4.2研究方法及存在的問題（14）
第2章視覺顯著性目標檢測基礎知識（15）
2.1引言（15）
2.2視覺顯著性目標檢測原理（15）
2.2.1人類視覺系統(tǒng)（15）
2.2.2視覺顯著性定義（17）
2.2.3視覺顯著性檢測機制（17）
2.3圖像數(shù)據(jù)集和評價方法（20）
2.4顯著性評價指標（24）
2.5本章小結(jié)（27）
第3章圖半監(jiān)督學習（28）
3.1引言（28）
3.2圖的概念及構(gòu)造（28）
3.2.1圖的概念（28）
3.2.2圖的類型（29）
3.2.3鄰域和度（29）
3.2.4圖的屬性（30）
3.2.5傳統(tǒng)圖構(gòu)造方法（32）
3.2.6基于局部線性嵌入的圖構(gòu)造（33）
3.3圖半監(jiān)督學習方法（34）
3.3.1圖半監(jiān)督學習假設（36）
3.3.2高斯隨機場（36）
3.3.3流形排序（38）
3.4基于圖的視覺顯著性目標檢測方法（41）
3.4.1基于梯度下降的超像素分割算法（41）
3.4.2基于背景先驗的流形排序方法（42）
3.4.3基于前景緊湊性的顯著性計算方法（44）
3.4.4元胞自動機的顯著性優(yōu)化方法（46）
3.5本章小結(jié)（47）
第4章基于顏色描述子和高層先驗的顯著性目標檢測（48）
4.1引言（48）
4.2CDHL算法概述（49）
4.2.1局部圖像描述子（49）
4.2.2高層先驗信息（52）
4.3實驗和分析（55）
4.3.1實現(xiàn)細節(jié)（55）
4.3.2定量對比和分析（56）
4.3.3定性對比和分析（59）
4.4本章小結(jié)（60）
第5章基于多圖交叉擴散的顯著性目標檢測（62）
5.1引言（62）
5.2CDCMG方法概述（64）
5.2.1圖像特征提?。?4）
5.2.2傳統(tǒng)圖構(gòu)造（66）
5.2.3基于交叉擴散的前景緊湊性顯著值計算（66）
5.2.4基于多特征SCA的顯著性優(yōu)化（67）
5.3實驗和分析（69）
5.3.1CDCMG實現(xiàn)細節(jié)（69）
5.3.2定量對比和分析（70）
5.3.3定性對比和分析（73）
5.4本章小結(jié)（76）
第6章基于強化圖的顯著性目標檢測（77）
6.1引言（77）
6.2LJAM方法概述（78）
6.2.1圖像特征提?。?9）
6.2.2聯(lián)合親和圖矩陣（80）
6.2.3強化圖構(gòu)建（82）
6.2.4基于強化圖的前景緊湊性顯著值計算（83）
6.2.5基于強化SCA方法的顯著圖優(yōu)化（84）
6.3實驗和分析（86）
6.3.1LJAM實現(xiàn)細節(jié)（87）
6.3.2定量對比和分析（87）
6.3.3定性對比和分析（90）
6.3.4SLIC方法的有效性驗證（93）
6.3.5LJAM的消融實驗（94）
6.3.6強化圖的優(yōu)越性和拓展性驗證（95）
6.4本章小結(jié)（96）
第7章基于三層強化圖擴散的顯著性目標檢測（97）
7.1引言（97）
7.2RGD-3方法概述（98）
7.2.1圖像特征提取（99）
7.2.2親和圖矩陣和傳統(tǒng)圖（99）
7.2.3第一層強化圖中的前景顯著值計算（100）
7.2.4第二層強化圖中的前景和背景顯著值計算（102）
7.2.5第三層強化圖——SCA顯著圖優(yōu)化（103）
7.3實驗和分析（104）
7.3.1RGD-3實現(xiàn)細節(jié)（105）
7.3.2定量對比和分析（105）
7.3.3定性對比和分析（109）
7.3.4RGD-3的消融實驗（112）
7.4本章小結(jié)（113）
第8章基于稀疏子空間聚類強化圖的多尺度顯著性目標檢測（114）
8.1引言（114）
8.2MSPG方法概述（115）
8.2.1提取圖像特征（116）
8.2.2傳統(tǒng)圖構(gòu)造（117）
8.2.3稀疏子空間聚類的親和圖矩陣學習（117）
8.3實驗和分析（119）
8.3.1實現(xiàn)細節(jié)（120）
8.3.2定量對比和分析（120）
8.3.3定性對比和分析（124）
8.3.4消融實驗（127）
8.4本章小結(jié)（129）
第9章基于加權(quán)圖構(gòu)建的顯著性目標檢測（130）
9.1引言（130）
9.2SDWG方法概述（131）
9.2.1圖像特征提?。?32）
9.2.2傳統(tǒng)無向圖構(gòu)建（132）
9.2.3多視角親和圖矩陣學習（132）
9.2.4多視角加權(quán)圖構(gòu)建（134）
9.2.5基于三層加權(quán)圖的顯著性檢測（134）
9.3實驗和分析（136）
9.3.1實現(xiàn)細節(jié)（137）
9.3.2定量對比和分析（137）
9.3.3定性對比和分析（140）
9.3.4消融實驗（141）
9.4本章小結(jié)（141）
第10章基于稀疏圖加權(quán)強化圖擴散的顯著性目標檢測（142）
10.1引言（142）
10.2SGW算法概述（143）
10.2.1圖像特征提?。?44）
10.2.2稀疏圖學習（144）
10.2.3傳統(tǒng)圖矩陣構(gòu)建（144）
10.2.4基于強化圖擴散模型的顯著性計算（145）
10.3實驗和分析（146）
10.3.1定量對比和分析（147）
10.3.2定性對比和分析（149）
10.3.3消融實驗（149）
10.4本章小結(jié)（153）
參考文獻（154）