视觉显著性检测方法及应用

第1章 绪论 1

1．1 引言 1

1．2 视觉显著性检测的研究现状 3

1．3 视觉显著性检测的应用现状 4

1．4 本书的主要内容和章节安排 7

1．4．1 主要内容 7

1．4．2 章节安排 10

第2章 视觉显著性检测方法综述 13

2．1 引言 13

2．2 预备知识 13

2．2．1 视觉注意与视觉显著性 14

2．2．2 视觉显著性模型的分类 15

2．3 方法评价 18

2．3．1 基准测试库 18

2．3．2 定量对比方法 21

2．4 流行检测方法介绍 24

2．4．1 特征组合理论 24

2．4．2 信息论 28

2．4．3 图上随机游动理论 29

2．4．4 决策理论 30

2．4．5 贝叶斯理论 31

2．4．6 频域分析 32

2．4．7 机器学习 34

2．4．8 其他 35

2．5 现有方法存在的问题及解决方案 36

2．5．1 现有方法存在的问题 36

2．5．2 解决方案 38

2．6 发展趋势 40

2．7 本章小结 41

第3章 一种基于加权稀疏编码的频域方法 42

3．1 引言 42

3．2 过完备稀疏编码 44

3．2．1 过完备稀疏编码的神经生理学基础 45

3．2．2 图像的过完备稀疏编码 46

3．2．3 过完备字典的构造 49

3．3 加权稀疏编码 51

3．3．1 增量编码长度算法 51

3．3．2 稀疏编码的权重 52

3．4 图像标记算法 54

3．4．1 基于图像标记算法的显著性提取 54

3．4．2 相关理论证明 56

3．5 基于加权稀疏编码的图像标记算法 59

3．5．1 单通道的图像标记算法 60

3．5．2 多通道的图像标记算法 60

3．6 实验对比 61

3．6．1 主观对比 62

3．6．2 定量对比 64

3．6．3 算法复杂度评估 65

3．7 本章小结 66

第4章 基于最优对比度的视觉显著性检测方法 68

4．1 引言 68

4．2 总体思想 69

4．2．1 最优对比度引入的动机 70

4．2．2 实现方案 75

4．3 候选中心-外围对比度 75

4．3．1 计算原理 75

4．3．2 实现细则 80

4．4 最优对比度 82

4．4．1 单尺度下的最优中心-外围对比度筛选 82

4．4．2 多尺度增强算法 84

4．5 实验对比 86

4．5．1 主观对比 87

4．5．2 定量对比 89

4．6 本章小结 93

第5章 融合长期特征和短期特征的贝叶斯模型 94

5．1 引言 94

5．2 总体思想 95

5．2．1 先验知识的作用和使用方式 95

5．2．2 当前观测信息的作用和使用方式 99

5．2．3 先验知识和当前观测信息的融合 101

5．2．4 实现方案 102

5．3 长期特征和短期特征 103

5．3．1 长期词典和短期词典 103

5．3．2 特征提取 105

5．4 基于贝叶斯模型的视觉显著性检测 105

5．4．1 贝叶斯模型 105

5．4．2 特征概率分布的估计 108

5．4．3 视觉显著性随空间位置变化的条件概率分布估计 111

5．5 实验对比 112

5．5．1 主观对比 113

5．5．2 定量对比 115

5．6 本章小结 116

第6章 基于视觉显著性的红外目标预检测 117

6．1 引言 117

6．1．1 研究背景与意义 117

6．1．2 相关工作 118

6．1．3 总体解决方案 121

6．2 基于小数目标尺度的红外图像混合滤波算法 124

6．2．1 红外图像噪声分析 124

6．2．2 降噪算法的总体设计思路 125

6．2．3 小数目标尺度 126

6．2．4 基于小数目标尺度的自适应高斯滤波器 130

6．2．5 基于小数目标尺度的自适应中值滤波器 130

6．3 视觉显著性检测方法的选择 132

6．3．1 综合定量对比的实验准备 133

6．3．2 综合定量对比 134

6．3．3 原理分析 138

6．4 红外目标预检测 139

6．4．1 基于视觉显著性检测的窗口特征算子 139

6．4．2 基于SLIC超像素分割的窗口特征算子 140

6．4．3 窗口特征算子参数的估计 142

6．4．4 窗口特征的贝叶斯融合 143

6．4．5 目标窗口的确定 144

6．5 实验对比 145

6．5．1 红外图像降噪实验对比 145

6．5．2 红外目标预检测实验对比 147

6．6 本章小结 150

第7章 基于视觉显著性的太阳能电池片表面缺陷检测 151

7．1 引言 151

7．1．1 研究的背景与意义 151

7．1．2 相关工作 152

7．1．3 存在问题及解决方案 158

7．2 太阳能电池片表面图像预处理 159

7．2．1 图像采集 159

7．2．2 图像降噪 162

7．2．3 栅线删除 163

7．2．4 栅线填充 164

7．3 基于视觉显著性的缺陷初始检测 165

7．3．1 自学习特征提取 165

7．3．2 低秩矩阵复原 167

7．3．3 获取视觉显著图 169

7．4 基于视觉显著性和图像分割的缺陷精确定位 171

7．4．1 图像分割 171

7．4．2 基于视觉显著性的缺陷定位 174

7．5 基于形态学的检测结果优化 175

7．5．1 形态学理论 175

7．5．2 形态学优化 176

7．6 实验设计 178

7．6．1 主观对比 180

7．6．2 客观对比 184

7．7 软件设计与使用 187

7．7．1 检测软件的设计 187

7．7．2 软件功能及操作介绍 189

7．8 本章小结 191

参考文献 192