图像特征处理技术及应用

由于图像特征处理技术在图像分类、目标检测 识别和显著性计算领域的快速发展，使得计算机在 真实场景中理解和分析图像内容的能力越来越智能 化。本书从图像特征提取、图像特征降维和图像特 征编码技术出发，重点描述了图像特征处理技术的 构成特点，并广泛介绍了此技术在真实场景中的应 用。

第一章 图像特征编码技术概述 1.1 图像特征编码技术背景及意义 1.2 图像特征编码方法起源与发展 1.3 内容总结与概括 1.3.1 图像分类 1.3.2 显著性目标检测 1.3.3 行人重识别 1.4 本书主要特点 第二章 图像特征提取及编码 2.1 图像特征 2.1.1 图像局部特征 2.1.2 颜色特征 2.1.3 纹理特征 2.1.4 协方差描述子 2.2 特征编码 2.2.1 基于表示的分类 2.2.2 基于约束项的分类 2.2.3 局部特征编码算法数学模型 2.3 常用的公共数据集 2.3.1 图像分类数据集 2.3.2 显著性目标检测数据集 2.3.3 行人重识别数据集 2.4 总结 第三章 码本学习与图像分类 3.1 发展历史 3.2 特征编码方法 3.2.1 矢量量化 3.2.2 稀疏编码 3.2.3 局部约束线性编码 3.2.4 码本学习方法 3.3 特征编码和类码本学习 3.4 基于特征编码及类码本学习的实验结果 3.4.1 Caltech101实验结果分析 3.4.2 Scene15和UIUC8实验结果 3.4.3 实验分析和讨论 3.5 总结 第四章 显著性目标计算 4.1 引言 4.2 显著性计算方法 4.2.1 自顶向下显著性方法 4.2.2 特征编码方法 4.2.3 CRF模型 4.3 基于局部性编码和CRF模型的显著性目标计算方法 4.3.1 编码 4.3.2 学习显著性目标模型 4.3.3 MSRA-B数据集 4.3.4 Graz-02数据集 4.3.5 Horse和Plane数据集 4.4 总结 第五章 背景度量和自顶向下模型