图像检索与压缩域处理技术的研究PDF|Epub|txt|kindle电子书版本网盘下载

图像检索与压缩域处理技术的研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 基础知识3

第1章 数字图像3

1.1 图像与视频3

1.2 数字图像的特点4

1.2.1 图像数据的海量性4

1.2.2 图像的压缩格式具有普遍性5

1.2.3 图像的内容表现具有非结构性6

1.2.4 应用环境的多元化6

1.3 图像的彩色空间7

1.3.1 彩色空间的视觉属性7

1.3.2 RGB彩色空间7

1.3.3 YCbCr彩色空间8

1.4 视频格式9

1.5 感兴趣区的人眼视觉系统特性10

1.5.1 视觉感兴趣区10

1.5.2 视觉掩盖效应11

1.6 图像质量的评价15

1.6.1 概述15

1.6.2 客观质量的评价16

1.6.3 主观质量的评价16

1.6.4 感兴趣区质量评价17

1.6.5 感兴趣区质量评价的实验结果19

1.7 讨论21

参考文献21

第2章 图像压缩编码技术的发展23

2.1 概述23

2.2 熵编码24

2.3 传统的图像／视频编码技术25

2.3.1 预测编码25

2.3.2 变换编码26

2.3.3 矢量量化28

2.4 新型图像／视频编码技术28

2.4.1 第二代图像编码方法29

2.4.2 分形编码29

2.4.3 模型编码30

2.4.4 小波编码31

2.5 图像／视频编码标准32

2.5.1 静止图像编码的标准35

2.5.2 视频编码标准35

2.6 JPEG2000标准40

2.6.1 JPEG2000体系结构与关键技术40

2.6.2 JPEG2000的主要特点与性能描述45

2.7 讨论46

参考文献49

第3章 基于内容的图像检索技术52

3.1 概述52

3.2 图像的内容特征54

3.2.1 颜色特征55

3.2.2 纹理特征57

3.2.3 轮廓特征60

3.2.4 形状特征60

3.2.5 对象特征61

3.2.6 空间特征63

3.2.7 字符特征64

3.2.8 语义特征64

3.2.9 图像的语义层次模型66

3.3 图像相似度计算67

3.3.1 距离度量67

3.3.2 相关计算68

3.3.3 关联系数计算69

3.3.4 多特征相似度计算70

3.3.5 具有光照不变性的图像检索70

3.4 人机接口及相关反馈71

3.4.1 友好的人机交互接口71

3.4.2 相关反馈的新进展74

3.5 图像的检索76

3.5.1 低层视觉特征76

3.5.2 局部图像76

3.5.3 自定义特征检索77

3.5.4 示例图与草图检索77

3.5.5 浏览检索77

3.6 图像检索系统78

3.7 图像检索性能的评价79

3.8 讨论80

参考文献82

第二篇 基于视觉感知的个性化图像检索第4章 视觉注意机制及注意模型82

4.1 概述89

4.2 人眼视觉系统的生理特性90

4.2.1 视觉感官92

4.2.2 视觉通路93

4.2.3 视觉中枢94

4.2.4 视觉感知97

4.3 视觉注意机制98

4.3.1 What和Where视觉通路98

4.3.2 预注意和注意阶段99

4.3.3 自底向上和自顶向下的注意模式99

4.3.4 选择性注意机制100

4.3.5 注意焦点的选择与转移102

4.4 视觉注意模型102

4.4.1 基于空间的注意模型103

4.4.2 基于特征的注意模型111

4.4.3 基于空间和特征整合的注意模型112

4.4.4 基于对象的注意模型112

4.5 讨论113

参考文献114

第5章 基于视觉注意模型的感兴趣区检测114

5.1 概述118

5.2 感兴趣区检测的研究进展119

5.3 一种基于改进Itti模型与进化规划的感兴趣区检测方法121

5.3.1 视觉显著度量122

5.3.2 注意焦点的选择与转移124

5.3.3 感兴趣区的生成126

5.3.4 一种基于改进Itti模型与进化规划的感兴趣区检测方法的实验128

5.4 基于相似距离的Top-Down模型的初步研究135

5.4.1 基于相似距离的Top-Down模型结构135

5.4.2 相似区域的判定方法136

5.4.3 基于相似距离的视觉期望137

5.4.4 基于相似距离的Top-Down模型的初步实验138

5.5 讨论139

参考文献140

第6章 视点跟踪技术142

6.1 概述142

6.2 视点跟踪技术的研究进展143

6.2.1 人眼的运动特性143

6.2.2 视点跟踪设备144

6.2.3 人眼检测与定位145

6.2.4 视点跟踪技术分类147

6.3 改造的视点跟踪设备150

6.3.1 视点跟踪设备的选择及参数设置150

6.3.2 视点跟踪设备的改造方案154

6.3.3 方案选择与对比157

6.4 基于Gabor变换的人眼定位方法157

6.4.1 归一化处理158

6.4.2 Gabor小波变换159

6.4.3 投影分析160

6.4.4 基于Gabor变换的人眼定位方法的实验161

6.5 一种基于双阈值的低复杂度视点跟踪方法163

6.5.1 双阈值人眼定位算法163

6.5.2 双阈值人眼定位算法的实验166

6.5.3 基于几何映射的视点跟踪方法167

6.5.4 一种基于双阈值的低复杂度视点跟踪方法的实验168

6.6 一种基于Web Camera的自适应模板视点跟踪方法169

6.6.1 自适应模板人眼定位算法169

6.6.2 自适应模板人眼定位算法的实验171

6.6.3 基于神经网络法的视点跟踪方法172

6.6.4 一种基于Web Camera的自适应模板视点跟踪方法的实验174

6.7 讨论175

参考文献176

第7章 客观化的视觉感知技术179

7.1 概述179

7.2 客观化的视觉感知信息180

7.3 基于视觉感知的感兴趣区检测181

7.3.1 注视点分布图181

7.3.2 注视兴趣度183

7.3.3 基于视觉感知的感兴趣区184

7.4 基于视觉感知的感兴趣区检测实验平台186

7.4.1 实验平台186

7.4.2 实验结果188

7.5 讨论198

参考文献199

第8章 个性化图像检索技术200

8.1 概述200

8.2 图像搜索引擎202

8.3 用户兴趣模型205

8.3.1 Agent推理机205

8.3.2 个性化文件209

8.3.3 用户兴趣模型的更新213

8.4 基于规则的个性化推荐214

8.5 基于内容的个性化推荐218

8.5.1 概述218

8.5.2 潜在变量分析219

8.5.3 广义概率主分量分析模型221

8.6 协作过滤的个性化推荐224

8.6.1 概述224

8.6.2 基于记忆的协作过滤225

8.6.3 基于模型的协作过滤229

8.6.4 基于协作过滤的图像检索230

8.7 混合过滤的个性化推荐233

8.8 个性化推荐系统的评价235

8.9 相关反馈技术235

8.10 讨论237

参考文献238

第9章 应用于个性化图像检索的用户兴趣模型的构建238

9.1 概述242

9.2 用户兴趣模型描述243

9.2.1 用户兴趣的表示方式243

9.2.2 用户兴趣模型的分类244

9.2.3 用户兴趣模型的构建方法245

9.2.4 用户兴趣模型的框图246

9.3 用户短期兴趣的获取247

9.3.1 短期视觉特征248

9.3.2 短期视觉特征实验结果253

9.3.3 短期语义特征257

9.3.4 短期语义特征实验结果262

9.4 用户长期兴趣的获取263

9.4.1 推理机的设计与实现264

9.4.2 长期视觉特征265

9.4.3 长期视觉特征实验结果266

9.4.4 长期语义特征270

9.4.5 长期语义特征实验结果273

9.5 基于用户兴趣模型的个性化图像检索系统273

9.5.1 个性化图像检索系统组成273

9.5.2 个性化图像检索实验结果与分析274

9.6 讨论281

参考文献282

第三篇 基于压缩域的图像处理287

第10章 压缩域图像处理技术综述287

10.1 概述287

10.2 压缩域图像处理系统的构成288

10.2.1 基于压缩域的图像检索系统框图289

10.2.2 压缩域处理可操作位置289

10.3 压缩域图像处理的研究方法290

10.3.1 寻求对等操作291

10.3.2 寻求特有操作291

10.4 压缩域图像检索技术的研究进展292

10.4.1 变换压缩域检索技术292

10.4.2 空间压缩域检索技术298

10.4.3 混合压缩域检索技术299

参考文献300

第11章 压缩域纹理图像分类305

11.1 概述305

11.2 基于DCT压缩域区域能量方向性的纹理图像分类306

11.2.1 基于DCT编码的基本框图306

11.2.2 DCT域区域能量的方向性307

11.2.3 基于能量方向性的纹理图像分类算法设计309

11.2.4 基于DCT压缩域区域能量方向性的纹理图像分类算法实验310

11.3 基于DCT压缩域的具有旋转不变性的纹理图像分类312

11.3.1 DCT域的多分辨率特性312

11.3.2 具有抗旋转性的纹理图像分类方法314

11.3.3 基于DCT压缩域的具有旋转不变性的纹理图像分类算法实验315

11.4 基于小波压缩域纹理图像分类317

11.4.1 基于小波的纹理分析方法的发展317

11.4.2 基于子带间相关性纹理特征提取318

11.4.3 基于小波压缩域纹理图像分类算法321

11.4.4 基于小波压缩域纹理图像分类算法实验321

11.5 讨论323

参考文献324

第12章 DCT压缩域基于轮廓特征的图像检索324

12.1 概述327

12.2 基于图像检索的连通直方图方法328

12.2.1 图像的连通直方图328

12.2.2 基于连通直方图的图像检索330

12.2.3 基于连通直方图的图像检索的实验331

12.3 DCT压缩域基于轮廓特征的图像检索方法333

12.3.1 重组DCT系数334

12.3.2 提取图像的轮廓334

12.3.3 基于轮廓的连通直方图336

12.3.4 DCT压缩域基于轮廓特征的图像检索流程337

12.3.5 DCT压缩域基于轮廓特征的图像检索的实验337

12.4 讨论340

参考文献340

第13章 压缩域字符定位341

13.1 概述341

13.2 DCT压缩域的字符定位方法343

13.2.1 DCT压缩域中字符特征的提取343

13.2.2 DCT压缩域的字符定位算法344

13.2.3 DCT压缩域字符定位算法的实验345

13.3 基于加权频率的DCT压缩域的字符定位方法347

13.3.1 DCT压缩域字符区新特征——加权频率347

13.3.2 基于加权频率的DCT压缩域字符定位算法348

13.3.3 基于加权频率的DCT压缩域字符定位算法的实验352

13.4 小波压缩域字符定位355

13.4.1 字符特征在小波压缩域图像中的表示355

13.4.2 基于小波压缩域的字符定位算法357

13.4.3 基于小波压缩域字符定位算法的实验362

13.5 讨论363

参考文献364

第14章 压缩域的肤色分割366

14.1 概述366

14.2 DCT压缩域基于三维椭圆模型的自适应肤色分割367

14.2.1 三维椭圆肤色模型367

14.2.2 基于DCT直流系数的肤色初分割371

14.2.3 自适应修正分割结果372

14.2.4 DCT压缩域中基于三维椭圆模型的自适应肤色分割实验373

14.3 小波压缩域双适形肤色分割模型375

14.3.1 双适形肤色模型375

14.3.2 小波压缩域基于双适形模型的肤色分割377

14.3.3 平滑滤波与连通域分析378

14.4 讨论378

参考文献379

第15章 压缩域的人脸检测381

15.1 概述381

15.2 DCT压缩域的人脸检测方法383

15.2.1 一种基于多级梯度能量特征的DCT压缩域人脸检测算法框图383

15.2.2 多级梯度能量特征385

15.2.3 级联分类器387

15.2.4 搜索策略388

15.2.5 基于多级梯度能量描述的DCT压缩域人脸检测算法的实验389

15.3 小波压缩域的人脸检测390

15.3.1 一种基于多级梯度能量描述的小波压缩域人脸检测算法框图390

15.3.2 多级梯度能量描述391

15.3.3 级联检测器394

15.3.4 搜索策略396

15.3.5 结果仲裁397

15.3.6 实验结果397

15.4 讨论400

参考文献400

第16章 基于JPEG2000压缩码流的检索方法400

16.1 概述402

16.2 JPEG2000码流结构及包头信息403

16.3 基于JPEG2000压缩码流的图像检索404

16.3.1 提取包头信息404

16.3.2 基于包头信息构建特征量405

16.3.3 特征量归一化406

16.3.4 相似度匹配406

16.4 基于JPEG2000压缩码流检索方法的实验407

16.4.1 特征量计算及相似度匹配407

16.4.2 检索结果的准确性408

16.4.3 检索效率与压缩比的讨论410

16.5 讨论412

参考文献412

第17章 基于反对称双正交小波的压缩域图像检索方法412

17.1 概述413

17.2 基于反对称双正交小波的多尺度边缘提取算法的研究414

17.2.1 小波用于图像边缘提取414

17.2.2 反对称双正交小波的多尺度边缘提取算法417

17.2.3 基于反对称双正交小波多尺度边缘提取算法实验421

17.3 方向梯度相角直方图及其特性424

17.3.1 方向梯度相角直方图的构造424

17.3.2 方向梯度相角直方图的特性426

17.4 基于反对称双正交小波的压缩域图像检索算法的研究431

17.4.1 基于反对称双正交小波的图像压缩编码算法431

17.4.2 基于反对称双正交小波的压缩域图像检索算法432

17.4.3 基于反对称双正交小波的压缩域图像检索算法实验432

17.5 讨论437

附录：小波滤波器系数438

参考文献439

第18章 一种支持检索的分类矢量量化压缩编码方法439

18.1 概述441

18.2 不同量化方法与图像检索442

18.2.1 标量量化442

18.2.2 矢量量化442

18.2.3 分类矢量量化444

18.2.4 检索性能分析445

18.3 一种支持检索的分类矢量量化压缩编码算法的研究447

18.3.1 基于反对称双正交小波的分类矢量量化压缩编码算法框图448

18.3.2 矢量码书的设计450

18.3.3 基于压缩数据的图像检索454

18.3.4 一种支持检索的分类矢量量化压缩编码算法实验456

18.4 讨论460

参考文献460

第19章 一种支持检索的迭代分形图像压缩方法460

19.1 概述462

19.2 迭代分形编码463

19.2.1 迭代分形编码的理论基础463

19.2.2 迭代分形编码的基本原理465

19.2.3 分形与其他方法的结合466

19.2.4 迭代分形用于图像检索的分析467

19.3 基于迭代分形的图像压缩编码与检索算法研究467

19.3.1 小波变换域内基于迭代分形的图像压缩编码算法468

19.3.2 基于迭代分形压缩数据的图像检索的实现471

19.3.3 基于迭代分形的图像压缩编码与其检索算法实验472

19.4 讨论475

参考文献476

第四篇 结束语481

第20章 结束语481

20.1 人眼视觉系统特性的讨论481

20.2 视频关键帧的压缩域提取482

20.2.1 等时间间隔采样方法的关键帧提取482

20.2.2 基于帧间内容变化方法的关键帧提取483

20.2.3 基于聚类方法的关键帧提取484

20.2.4 针对敏感视频识别应用的关键帧的提取方案484

20.3 语义鸿沟485

20.3.1 基于对象本体论定义高层语义486

20.3.2 机器学习方法建立低层视觉特征与高层语义的关系486

20.3.3 相关反馈学习用户主观意图488

20.3.4 生成语义模板支持高层图像检索488

20.3.5 讨论489

20.4 压缩域图像特征的提取490

20.4.1 压缩域图像中的空间视觉特征490

20.4.2 压缩域编码特征491

20.4.3 不同压缩域的统一特征492

20.4.4 讨论492

参考文献493