xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

　　本書試圖探索一個基本問題：人類視覺超凡脫俗的識別能力的基礎(chǔ)是什么？

　　隨著計算機(jī)技術(shù)的迅猛發(fā)展和網(wǎng)絡(luò)資源的無所不在，人們對數(shù)字圖像識別的需求越來越頻繁地出現(xiàn)在如圖像檢索、視頻監(jiān)控、機(jī)器視覺、導(dǎo)航以及無人駕駛技術(shù)等實(shí)際工程和日常生活中，數(shù)字圖像識別的一個基本方法是依據(jù)圖像的像素值提取特征并利用這些特征來區(qū)分圖像。這樣，高維的圖像被壓縮并表達(dá)為低維的特征向量，這種采用特征向量而不是用原始像素值表示圖像的方法，其明顯好處是可以顯著地簡化圖像表示，但最重要的作用是利用特征向量可以加強(qiáng)圖像的低級特征和高級語義之間的關(guān)聯(lián)。因此，開發(fā)能夠有效表達(dá)圖像或感興趣的目標(biāo)對象的本質(zhì)屬性的特征提取方法是十分重要的，

　　在過去的數(shù)十年里，研究者已經(jīng)開發(fā)出了大量的數(shù)字圖像特征提取方法，如主成分分析、線性判別分析、尺度不變特征變換、方向梯度直方圖，小波、特征包、空間金字塔匹配、卷積神經(jīng)網(wǎng)絡(luò)、類視覺皮層機(jī)制分層模型、神經(jīng)反應(yīng)、局部神經(jīng)反應(yīng)以及基于對數(shù)極坐標(biāo)變換的導(dǎo)出核（log-polar等，在這些方法中，由于簡單，主成分分析和線性判別分析成為最常用的全局方法。然而，在實(shí)際中許多數(shù)據(jù)集包含不能通過主成分分析和線性判別分析發(fā)現(xiàn)的重要的非線性結(jié)構(gòu)。為了解決這個問題，非線性流形學(xué)習(xí)技術(shù)被開發(fā)出來，如局部線性嵌入、等距特征映射以及拉普拉斯特征映射等，這些非線性的方法能夠成功地獲得非線性流形的內(nèi)在特征。

第1章 人類視覺與機(jī)器視覺 1

1.1 人類視覺系統(tǒng) 2

1 眼睛 3

2 神經(jīng)系統(tǒng) 6

1.1.3 處理系統(tǒng) 7

1.2 計算機(jī)視覺系統(tǒng) 8

1.2.1 攝像機(jī) 10

1.2.2 計算機(jī) 12

1.2.3 圖像處理 14

1.2.4 研究現(xiàn)狀分析 15

1.3 數(shù)學(xué)系統(tǒng) 16

1.3.1 MATLAB軟件 17

1.3.2 圖像的數(shù)學(xué)表示及運(yùn)算 19

1.4 小結(jié) 25

參考文獻(xiàn) 26

第2章經(jīng)典神經(jīng)反應(yīng)及其數(shù)學(xué)表示 29

2.1 主要目的和基本思想 30

2.2 神經(jīng)反應(yīng)與導(dǎo)出核 31

2.2.1 預(yù)備知識 31

2.2.2 神經(jīng)反應(yīng)與導(dǎo)出核的構(gòu)建 35

2.2.3 神經(jīng)反應(yīng)的門一化 38

2.3 神經(jīng)反應(yīng)的不變性 39

2.4 神經(jīng)反應(yīng)算法的復(fù)雜性 43

2.5 實(shí)驗(yàn)及分析 45

2.5.1 MNIST手寫數(shù)字圖像數(shù)據(jù)庫上的實(shí)驗(yàn) 45

2.5.2 手寫漢字圖像數(shù)據(jù)庫 50

2.5.3 Yale人臉圖像數(shù)據(jù)庫 54

2.6 小結(jié) 56

參考文獻(xiàn) 57

第3章 局部神經(jīng)反應(yīng)及其對圖像的特征表示 59

3.1 局部神經(jīng)反應(yīng)方法產(chǎn)生的背景 60

3.2 局部神經(jīng)反應(yīng)算法 62

3.2.1 符號和說明 62

3.2.2 方法的提出 63

3.2.3 局部神經(jīng)反應(yīng)和神經(jīng)反應(yīng)的區(qū)別. 70

3.3 局部神經(jīng)反應(yīng)方法的算法分析 72

3.3.1 局部神經(jīng)反應(yīng)方法的不變性 72

3.3.2 關(guān)于范圍壓縮問題 76

3.4 實(shí)驗(yàn)結(jié)果與分析 78

3.4.1 MNIST數(shù)據(jù)庫上的實(shí)驗(yàn) 78

3.4.2 在Yale人臉數(shù)據(jù)庫上的實(shí)驗(yàn) 79

3.4.3Caltech人臉數(shù)據(jù)庫I：的實(shí)驗(yàn) 80

3.5 小結(jié) 82

參考文獻(xiàn) 83

第4章 軟稀疏編碼神經(jīng)反應(yīng)及其應(yīng)用 88

4.1 研究背景和主要工作 89

4.2 準(zhǔn)備工作及神經(jīng)反應(yīng)的矩陣表示 93

4.2.1 相關(guān)記號 93

4.2.2 神經(jīng)反應(yīng)的矩陣表示 94

4.3 軟稀疏編碼神經(jīng)反應(yīng) 96

4.3.1 軟稀疏編碼的動機(jī) 96

4.3.2 軟稀疏編碼方法 98

4.4 實(shí)驗(yàn)結(jié)果及分析 101

4.4.1 在MNIST數(shù)據(jù)庫上的實(shí)驗(yàn) 101

4.4.2 在Caltech人臉數(shù)據(jù)庫I：的實(shí)驗(yàn) 103

4.4.3 在Corel數(shù)據(jù)庫上的實(shí)驗(yàn) 104

4.5 小結(jié) 106

參考文獻(xiàn) 107

第5章 特征傳導(dǎo)神經(jīng)反應(yīng)及其在圖像檢索中的應(yīng)用 110

5.1 基于內(nèi)容的圖像檢索 111

5.2 特征傳導(dǎo)神經(jīng)反應(yīng) 114

5.2.1 相關(guān)概念與記號 114

5.2.2 構(gòu)建特征傳導(dǎo)神經(jīng)反應(yīng). 116

5.2.3 特征傳導(dǎo)神經(jīng)反應(yīng)的算法復(fù)雜性 118

5.3 基于特征傳導(dǎo)神經(jīng)反應(yīng)的基于內(nèi)容的圖像檢索方法 120

5.3.1 局部底層特征提取 121

5.3.2 相似性度量 122

5.3.3 關(guān)聯(lián)性反饋 123

5.4 實(shí)驗(yàn)結(jié)果及分析 124

5.4.1 在Caltech人臉數(shù)據(jù)庫上的實(shí)驗(yàn) 124

5.4.2 在Corel-1000數(shù)據(jù)庫上的實(shí)驗(yàn) 128

5.5 小結(jié) l33

參考文獻(xiàn) 134

第6章 神經(jīng)反應(yīng)中的模板選擇方法 137

6.1 “自下而上”的模板選擇方法 139

6.1.1 初始模板集的確定 139

6.1.2 Tu的確定 139

6.1.3 Tv的確定 141

6.2 “自上而下”的模板選擇方法 144

6.2.1 創(chuàng)建初始模板集 145

6.2.2 二級模板集Tv的構(gòu)建 146

6.2.3 一級模板集Tu的構(gòu)建 149

6.3 實(shí)驗(yàn)結(jié)果 152

6.3.1 在MNIST I：的模板選擇實(shí)驗(yàn) 153

6.3.2 在Caltech 101上的模板選擇實(shí)驗(yàn) 155

6.3.3 在Corel的模板選擇實(shí)驗(yàn) 158

6.4 小結(jié) 160

參考文獻(xiàn) 160