- 作 者：刘占文著
- 出 版 社：西安：西安电子科技大学出版社
- 出版年份：2019
- ISBN：9787560650968
- 注意：在使用云解压之前，请认真核对实际PDF页数与内容!
在线云解压
价格(点数)
购买连接
说明
转为PDF格式
7
（在线云解压服务）
云解压服务说明
1、本站所有的云解压默认都是转为PDF格式，该格式图书只能阅读和打印，不能再次编辑。
云解压下载及付费说明
1、所有的电子图书云解压均转换为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、云解压在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
第一章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状综述 4
1.2.1 目标显著性检测方法 4
1.2.2 基于图论的图像分割方法 6
1.2.3 多示例学习方法 17
1.3 本文的主要研究内容和章节安排 18
第二章 图像显著特征与相似性度量分析 21
2.1 图像显著特征分析 21
2.1.1 底层特征 22
2.1.2 中高层语义特征 29
2.2 相似性度量分析 31
2.2.1 相似性计算模型 31
2.2.2 相似性度量 39
2.3 本章小结 41
第三章 基于多示例学习的图像目标显著性特征检测 43
3.1 显著性特征的检测 43
3.1.1 图像的预处理 44
3.1.2 亮度梯度特征 45
3.1.3 色彩梯度特征 51
3.1.4 纹理梯度特征 52
3.1.5 图像的边界镜像 54
3.2 基于多示例学习的显著性检测 55
3.2.1 Bag-SVM算法 56
3.2.2 Ins-SVM算法 57
3.2.3 APR算法 58
3.2.4 EMDD算法 59
3.3 基于多示例学习的显著性检测实验结果分析 60
3.3.1 实验结果对比分析 60
3.3.2 算法性能对比分析 70
3.4 本章小结 72
第四章 基于图割优化的显著性目标分割方法 74
4.1 图的基本概念 75
4.2 基于图割优化的图像显著性目标分割方法 78
4.2.1 自适应图像层次分割方法 78
4.2.2 基于图割优化的图像显著性目标分割方法 80
4.2.3 图像分割质量评价指标分析 86
4.2.4 实验结果对比分析 90
4.3 本章小结 101
第五章 基于多示例学习与图割优化的弱对比度车辆目标分割算法 102
5.1 基于机器视觉的道路交通信息采集与检测系统 103
5.2 基于多示例学习与图割优化的弱对比度车辆目标分割算法 104
5.2.1 车辆目标特征分析 104
5.2.2 算法具体步骤 106
5.3 算法实验与评价 108
5.3.1 算法实验过程 108
5.3.2 实验结果对比 114
5.3.3 算法评价分析 116
5.4 本章小结 118
第六章 结论与展望 119
参考文献 122
致谢 138