视觉注意计算模型及应用

本书是一本较为系统地研究视觉显著性检测计算模型及其应用实践的著作。本书从人类视觉注意机制在计算机图像处理领域的应用入手，系统介绍了视觉显著性的生物学基础、视觉显著性的认知模型以及计算模型，并结合而具体应用系统总结了作者在视觉显著性检测计算模型以及视觉显著性检测用于图像分割、目标检测和目标跟踪等方面的研究成果。本书可供高等院校计算机科学与技术、人工智能等专业的高年级本科生和研究生参考，也可供计算机图像和视频处理领域的研究人员参考。

1绪论
1.1视觉注意
1.2视觉注意的计算模型
1.2.1视觉注意机制的生物学基础
1.2.2视觉注意机制的认知模型
1.2.3视觉注意机制的计算模型
1.3视觉注意的应用
1.4本章小结
2视觉注意的计算模型
2.1引言
2.2构建视觉注意计算模型的关键问题
2.3本书模型
2.4本章小结
3视觉显著性计算
3.1引言
3.2视觉显著性计算模型分类
3.2.1基于特征整合理论的显著性计算模型
3.2.2基于特征对比度的显著性计算方法
3.2.3基于信息论的显著性计算方法
3.2.4基于物体的显著性计算方法
3.2.5基于机器学习的显著性计算方法
3.3视觉显著性计算方法评价
3.3.1基准数据集
3.3.2评价指标
3.4本章小结
4基于特征对比度的视觉显著性计算模型
4.1引言
4.2基于特征对比度的视觉显著性计算模型
4.2.1计算模型框架
4.2.2早期特征提取
4.2.3特征对比度计算
4.2.4特征整合
4.3实验结果与分析
4.3.1自然图像中的显著性检测
4.3.2复杂图像中的显著性检测
4.4本章小结
5基于频域分析的视觉显著性计算模型
5.1引言
5.2多尺度频域分析的显著性检测模型
5.2.1模型框架
5.2.2预处理
5.2.3特征提取
5.2.4显著性计算
5.2.5实验结果
5.3基于稀疏编码的显著性检测模型
5.3.1算法框架
5.3.2稀疏编码
5.3.3显著性计算
5.3.4实验结果
5.4本章小结
6利用背景先验的视觉显著性计算模型
6.1引言
6.2显著性先验
6.2.1对比度先验
6.2.2中心先验
6.2.3背景先验
6.3基于背景先验的显著性计算方法
6.3.1算法描述
6.3.2背景提取
6.3.3显著性计算
6.3.4多尺度分析
6.4实验结果与分析
6.4.1实验设置
6.4.2直观对比
6.4.3P-R曲线
6.4.4F-Measure
6.4.5平均绝对误差
6.5本章小结
7注意焦点选择和转移
7.1引言
7.2人类视觉系统的注意焦点选择和转移
7.3注意焦点的选择和注意区域的确定
7.4分层注意焦点转移机制
7.4.1基本思想
7.4.2实现过程
7.5实验结果与分析
7.5.1分层选择和转移
7.5.2实验比较与分析
7.6本章小结
8基于物体的视觉注意计算模型
8.1引言
8.2感知物体的定义
8.3感知物体的提取
8.3.1边缘提取
8.3.2显著边缘
8.3.3显著区域提取
8.3.4边缘区域融合
8.4基于物体的显著性计算
8.5注意焦点选择和转移
8.6实验结果与分析
8.7本章小结
9视觉注意计算模型的应用
9.1引言
9.2基于视觉显著性的图像分割
9.2.1视觉显著性计算
9.2.2图像分割
9.2.3实验结果与分析
9.3基于视觉显著性的前景目标检测
9.3.1利用视觉显著性的目标检测算法概述
9.3.2关键技术
9.3.3实验结果
9.4基于视觉注意的目标监测与跟踪
9.4.1视觉显著性计算
9.4.2目标检测与分割
9.4.3目标跟踪
9.4.4实验结果与分析
9.5本章小结
参考文献