內容簡介
本書對基於內容的圖像檢索（Content-Based Image Retrieval，CBIR）技術的基本原理、圖像特徵提取與檢索方法進行了比較詳細的介紹和討論，並融入了作者多年來的相關研究成果。本書共有6章，第1章介紹了CBIR的發展與現狀、研究內容及涉及的關鍵技術，第2章介紹了圖像低層特徵的提取與表達技術，第3章介紹了基於壓縮域的圖像檢索技術，第4章介紹了視覺注意計算模型，第5章介紹了自動圖像標註技術，第6章介紹了子空間特徵提取技術。
前言
前 言 隨著數字影像技術和網路技術的迅速發展，數字圖像已經成為一種被廣泛使用的媒體形式。相比於文本信息，數字圖像更為形象生動、逼真直觀，是一種獨立性很強的信息載體，所以被迅速地套用於各種領域，如數字圖書館、新聞媒體、醫學圖像管理、衛星遙感圖像、商標著作權管理及地理信息系統等。 但是，目前數位化設備還無法實現對大量圖像庫的有效管理，用戶還需要根據特定的分類技術和檢索技術實現管
本書目錄
第1章 基於內容的圖像檢索與關鍵技術 1
1.1 圖像檢索技術的發展 1
1.1.1 基於文本的圖像檢索 2
1.1.2 基於內容的圖像檢索 3
1.1.3 自動圖像標註技術 6
1.1.4 國內外研究狀況 6
1.2 CBIR的研究內容 10
1.2.1 特徵提取與匹配 10
1.2.2 索引機制 10
1.2.3 用戶接口 11
1.3 CBIR的關鍵技術 12
1.3.1 基本檢索原理 12
1.3.2 圖像內容及檢索層次 13
1.3.3 常用特徵描述方法 14
1.3.4 特徵匹配技術 19
1.3.5 稀疏表示技術 25
1.3.6 性能評價準則 27
1.4 CBIR的套用與經典系統 30
1.4.1 CBIR的套用 30
1.4.2 經典CBIR系統介紹 31
1.5 本書內容安排 38
參考文獻 39
第2章 圖像低層特徵的提取與表達 45
2.1 顏色特徵的提取與表達 45
2.1.1 顏色空間 45
2.1.2 顏色量化 50
2.1.3 全局顏色特徵 51
2.1.4 空間顏色特徵 56
2.2 形狀特徵的提取與表達 68
2.2.1 概述 68
2.2.2 基於輪廓的描述方法 69
2.2.3 基於區域的描述方法 89
2.3 紋理特徵的提取與表達 103
2.3.1 概述 103
2.3.2 常用的紋理分析方法 104
2.3.3 局部二值模式 116
2.3.4 紋理基元共生矩陣 128
2.4 MPEG-7中的圖像特徵描述符 131
2.4.1 顏色描述符 133
2.4.2 形狀描述符 134
2.4.3 紋理描述符 135
參考文獻 136
第3章 基於壓縮域的圖像檢索技術 146
3.1 概述 146
3.1.1 圖像壓縮技術 147
3.1.2 靜態圖像壓縮標準 153
3.1.3 壓縮域圖像檢索的原理 162
3.1.4 壓縮域圖像檢索的研究內容 164
3.1.5 壓縮域圖像檢索的研究方法 164
3.2 空間壓縮域技術 166
3.2.1 矢量量化 166
3.2.2 分形編碼 169
3.2.3 預測編碼 171
3.3 變換壓縮域技術 172
3.3.1 基於DFT壓縮域 172
3.3.2 基於DCT壓縮域 173
3.3.3 基於小波壓縮域 181
3.3.4 基於K-L變換域 186
3.4 空間域和變換域的融合檢索 188
3.5 DCT壓縮域內的紋理特徵 189
3.5.1 複雜度的定義 190
3.5.2 複雜度直方圖 191
3.6 DCT壓縮域內的形狀特徵 193
3.6.1 理想邊緣模型DCT塊的分類 193
3.6.2 空間邊緣分布特徵的提取 195
參考文獻 196
第4章 視覺注意計算模型 205
4.1 概述 205
4.1.1 人類視覺系統 205
4.1.2 視覺系統理論 207
4.1.3 研究現狀 214
4.2 基於特徵加權的視覺注意計算模型 219
4.2.1 模型實現過程 219
4.2.2 物體識別實驗 223
4.2.3 物體搜尋實驗 226
4.3 基於高斯混合的視覺注意計算模型 229
4.3.1 高斯混合模型 230
4.3.2 基於GMM的視覺注意計算模型 232
4.3.3 實驗與分析 236
4.4 基於CIELab的視覺注意計算模型 239
4.4.1 模型實現過程 240
4.4.2 實驗與分析 245
參考文獻 255
第5章 自動圖像標註技術 261
5.1 概述 261
5.1.1 自動圖像標註概述及研究意義 261
5.1.2 自動圖像標註的關鍵問題 264
5.2 圖像視覺特徵選擇 265
5.2.1 視覺特徵選擇 265
5.2.2 視覺特徵加權 266
5.3 自動圖像標註模型 273
5.3.1 基於生成模型的標註方法 273
5.3.2 基於判別模型的標註方法 279
5.3.3 基於多示例學習的標註方法 289
參考文獻 314
第6章 子空間特徵提取技術 321
6.1 概述 321
6.1.1 降維原因 321
6.1.2 子空間特徵提取方法的形式化描述及分類 323
6.2 經典的子空間特徵提取方法 324
6.2.1 線性方法 324
6.2.2 核方法 326
6.2.3 流形方法 328
6.2.4 半監督方法 333
6.2.5 張量方法 334
6.2.6 圖嵌入框架 334
6.3 基於自適應近鄰圖嵌入的局部鑑別投影方法 339
6.3.1 方法提出的背景 339
6.3.2 LFDA 339
6.3.3 LADP 342
6.4 基於對角圖像的模糊線性鑑別分析 347
6.4.1 方法提出的背景 347
6.4.2 FLDA 347
6.4.3 對角圖像 353
6.4.4 DiaFLDA 354
6.5 DCT域內拉普拉斯值排序的子空間特徵提取方法 357
6.5.1 方法提出的背景 357
6.5.2 離散餘弦變換（DCT） 357
6.5.3 局部保持能力判據 359
6.5.4 DCT/LS+LPP 361
參考文獻 362
