[18994]图像检索与压缩域处理技术的研究

jingforever

	书　　名　　图像检索与压缩域处理技术的研究 丛 书 名　　高新技术专著系列 标准书号　　ISBN 978-7-115-18994-3/TN 编目分类　　G354.49  TP391.4 作　　者　　沈兰荪 张菁 李晓光 著 译　　者　　-- 责任编辑　　姚予疆 杨凌 开　　本　　小16 开 印　　张　　32.5 字　　数　　613 千字 页　　数　　496 页 装　　帧　　精装 版　　次　　第1版第1次 初版时间　　2008年12月 本 印 次　　2008年12月 首 印 数　　2500 册 定　　价　　98.00 元
第2章试读

内容提要
　　本书是关于图像检索与压缩域处理技术的一本学术专著，反映了相关技术领域近年来的最新研究进展。
　　全书共分4篇20章。第一篇为基础知识，介绍数字图像与编码的基础知识、图像编码的基本方法与有关国际标准，基于内容的图像检索技术；第二篇为基于视觉感知的个性化图像检索技术，分析论述视觉注意机制及注意模型、视点跟踪技术、客观化的视觉感知技术、个性图像检索技术以及用户兴趣模型等内容；第三篇为基于压缩域的图像处理技术，阐述压缩域纹理图像分类、基于轮廓特征检索、DCT域处理、小波域处理以及JPEG2000等内容；第四篇为全书的结束语，主要介绍当前图像检索与压缩域处理方面的一些研究热点。
　　本书可供通信与电子系统、信号与信息处理、计算机应用等相关专业的研究人员、工程技术人员、高校教师、研究生和高年级本科生学习参考。


目　录第一篇　基础知识<br /> <br /> 第1章　数字图像<br /> 1.1　图像与视频　3<br /> 1.2　数字图像的特点　4<br /> 1.2.1　图像数据的海量性　4<br /> 1.2.2　图像的压缩格式具有普遍性　5<br /> 1.2.3　图像的内容表现具有非结构性　6<br /> 1.2.4　应用环境的多元化　6<br /> 1.3　图像的彩色空间　7<br /> 1.3.1　彩色空间的视觉属性　7<br /> 1.3.2　RGB彩色空间　7<br /> 1.3.3　YCbCr彩色空间　8<br /> 1.4　视频格式　9<br /> 1.5　感兴趣区的人眼视觉系统特性　10<br /> 1.5.1　视觉感兴趣区　10<br /> 1.5.2　视觉掩盖效应　11<br /> 1.6　图像质量的评价　15<br /> 1.6.1　概述　15<br /> 1.6.2　客观质量的评价　16<br /> 1.6.3　主观质量的评价　16<br /> 1.6.4　感兴趣区质量评价　17<br /> 1.6.5　感兴趣区质量评价的实验结果　19<br /> 1.7　讨论　21<br /> 参考文献　21<br /> <br /> 第2章　图像压缩编码技术的发展<br /> 2.1　概述　23<br /> 2.2　熵编码　24<br /> 2.3　传统的图像/视频编码技术　25<br /> 2.3.1　预测编码　25<br /> 2.3.2　变换编码　26<br /> 2.3.3　矢量量化　28<br /> 2.4　新型图像/视频编码技术　28<br /> 2.4.1　第二代图像编码方法　29<br /> 2.4.2　分形编码　29<br /> 2.4.3　模型编码　30<br /> 2.4.4　小波编码　31<br /> 2.5　图像/视频编码标准　32<br /> 2.5.1　静止图像编码的标准　35<br /> 2.5.2　视频编码标准　35<br /> 2.6　JPEG2000标准　40<br /> 2.6.1　JPEG2000体系结构与关键技术　40<br /> 2.6.2　JPEG2000的主要特点与性能描述　45<br /> 2.7　讨论　46<br /> 参考文献　49<br /> <br /> 第3章　基于内容的图像检索技术<br /> 3.1　概述　52<br /> 3.2　图像的内容特征　54<br /> 3.2.1　颜色特征　55<br /> 3.2.2　纹理特征　57<br /> 3.2.3　轮廓特征　60<br /> 3.2.4　形状特征　60<br /> 3.2.5　对象特征　61<br /> 3.2.6　空间特征　63<br /> 3.2.7　字符特征　64<br /> 3.2.8　语义特征　64<br /> 3.2.9　图像的语义层次模型　66<br /> 3.3　图像相似度计算　67<br /> 3.3.1　距离度量　67<br /> 3.3.2　相关计算　68<br /> 3.3.3　关联系数计算　69<br /> 3.3.4　多特征相似度计算　70<br /> 3.3.5　具有光照不变性的图像检索　70<br /> 3.4　人机接口及相关反馈　71<br /> 3.4.1　友好的人机交互接口　71<br /> 3.4.2　相关反馈的新进展　74<br /> 3.5　图像的检索　76<br /> 3.5.1　低层视觉特征　76<br /> 3.5.2　局部图像　76<br /> 3.5.3　自定义特征检索　77<br /> 3.5.4　示例图与草图检索　77<br /> 3.5.5　浏览检索　77<br /> 3.6　图像检索系统　78<br /> 3.7　图像检索性能的评价　79<br /> 3.8　讨论　80<br /> 参考文献　82<br /> <br /> 第二篇　基于视觉感知的个性化图像检索<br /> <br /> 第4章　视觉注意机制及注意模型<br /> 4.1　概述　89<br /> 4.2　人眼视觉系统的生理特性　90<br /> 4.2.1　视觉感官　92<br /> 4.2.2　视觉通路　93<br /> 4.2.3　视觉中枢　94<br /> 4.2.4　视觉感知　97<br /> 4.3　视觉注意机制　98<br /> 4.3.1　What和Where视觉通路　98<br /> 4.3.2　预注意和注意阶段　99<br /> 4.3.3　自底向上和自顶向下的注意模式　99<br /> 4.3.4　选择性注意机制　100<br /> 4.3.5　注意焦点的选择与转移　102<br /> 4.4　视觉注意模型　102<br /> 4.4.1　基于空间的注意模型　103<br /> 4.4.2　基于特征的注意模型　111<br /> 4.4.3　基于空间和特征整合的注意模型　112<br /> 4.4.4　基于对象的注意模型　112<br /> 4.5　讨论　113<br /> 参考文献　114<br /> <br /> 第5章　基于视觉注意模型的感兴趣区检测<br /> 5.1　概述　118<br /> 5.2　感兴趣区检测的研究进展　119<br /> 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<br /> 5.3.1　视觉显著度量　122<br /> 5.3.2　注意焦点的选择与转移　124<br /> 5.3.3　感兴趣区的生成　126<br /> 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<br /> 5.4　基于相似距离的Top-Down模型的初步研究　135<br /> 5.4.1　基于相似距离的Top-Down模型结构　135<br /> 5.4.2　相似区域的判定方法　136<br /> 5.4.3　基于相似距离的视觉期望　137<br /> 5.4.4　基于相似距离的Top-Down模型的初步实验　138<br /> 5.5　讨论　139<br /> 参考文献　140<br /> <br /> 第6章　视点跟踪技术<br /> 6.1　概述　142<br /> 6.2　视点跟踪技术的研究进展　143<br /> 6.2.1　人眼的运动特性　143<br /> 6.2.2　视点跟踪设备　144<br /> 6.2.3　人眼检测与定位　145<br /> 6.2.4　视点跟踪技术分类　147<br /> 6.3　改造的视点跟踪设备　150<br /> 6.3.1　视点跟踪设备的选择及参数设置　150<br /> 6.3.2　视点跟踪设备的改造方案　154<br /> 6.3.3　方案选择与对比　157<br /> 6.4　基于Gabor变换的人眼定位方法　157<br /> 6.4.1　归一化处理　158<br /> 6.4.2　Gabor小波变换　159<br /> 6.4.3　投影分析　160<br /> 6.4.4　基于Gabor变换的人眼定位方法的实验　161<br /> 6.5　一种基于双阈值的低复杂度视点跟踪方法　163<br /> 6.5.1　双阈值人眼定位算法　163<br /> 6.5.2　双阈值人眼定位算法的实验　166<br /> 6.5.3　基于几何映射的视点跟踪方法　167<br /> 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<br /> 6.6　一种基于Web Camera的自适应模板视点跟踪方法　169<br /> 6.6.1　自适应模板人眼定位算法　169<br /> 6.6.2　自适应模板人眼定位算法的实验　171<br /> 6.6.3　基于神经网络法的视点跟踪方法　172<br /> 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<br /> 6.7　讨论　175<br /> 参考文献　176<br /> <br /> 第7章　客观化的视觉感知技术<br /> 7.1　概述　179<br /> 7.2　客观化的视觉感知信息　180<br /> 7.3　基于视觉感知的感兴趣区检测　181<br /> 7.3.1　注视点分布图　181<br /> 7.3.2　注视兴趣度　183<br /> 7.3.3　基于视觉感知的感兴趣区　184<br /> 7.4　基于视觉感知的感兴趣区检测实验平台　186<br /> 7.4.1　实验平台　186<br /> 7.4.2　实验结果　188<br /> 7.5　讨论　198<br /> 参考文献　199<br /> <br /> 第8章　个性化图像检索技术<br /> 8.1　概述　200<br /> 8.2　图像搜索引擎　202<br /> 8.3　用户兴趣模型　205<br /> 8.3.1　Agent推理机　205<br /> 8.3.2　个性化文件　209<br /> 8.3.3　用户兴趣模型的更新　213<br /> 8.4　基于规则的个性化推荐　214<br /> 8.5　基于内容的个性化推荐　218<br /> 8.5.1　概述　218<br /> 8.5.2　潜在变量分析　219<br /> 8.5.3　广义概率主分量分析模型　221<br /> 8.6　协作过滤的个性化推荐　224<br /> 8.6.1　概述　224<br /> 8.6.2　基于记忆的协作过滤　225<br /> 8.6.3　基于模型的协作过滤　229<br /> 8.6.4　基于协作过滤的图像检索　230<br /> 8.7　混合过滤的个性化推荐　233<br /> 8.8　个性化推荐系统的评价　235<br /> 8.9　相关反馈技术　235<br /> 8.10　讨论　237<br /> 参考文献　238<br /> <br /> 第9章　应用于个性化图像检索的用户兴趣模型的构建<br /> 9.1　概述　242<br /> 9.2　用户兴趣模型描述　243<br /> 9.2.1　用户兴趣的表示方式　243<br /> 9.2.2　用户兴趣模型的分类　244<br /> 9.2.3　用户兴趣模型的构建方法　245<br /> 9.2.4　用户兴趣模型的框图　246<br /> 9.3　用户短期兴趣的获取　247<br /> 9.3.1　短期视觉特征　248<br /> 9.3.2　短期视觉特征实验结果　253<br /> 9.3.3　短期语义特征　257<br /> 9.3.4　短期语义特征实验结果　263<br /> 9.4　用户长期兴趣的获取　263<br /> 9.4.1　推理机的设计与实现　264<br /> 9.4.2　长期视觉特征　265<br /> 9.4.3　长期视觉特征实验结果　266<br /> 9.4.4　长期语义特征　270<br /> 9.4.5　长期语义特征实验结果　273<br /> 9.5　基于用户兴趣模型的个性化图像检索系统　273<br /> 9.5.1　个性化图像检索系统组成　273<br /> 9.5.2　个性化图像检索实验结果与分析　274<br /> 9.6　讨论　281<br /> 参考文献　282<br /> <br /> 第三篇　基于压缩域的图像处理<br /> <br /> 第10章　压缩域图像处理技术综述<br /> 10.1　概述　287<br /> 10.2　压缩域图像处理系统的构成　288<br /> 10.2.1　基于压缩域的图像检索系统框图　289<br /> 10.2.2　压缩域处理可操作位置　289<br /> 10.3　压缩域图像处理的研究方法　290<br /> 10.3.1　寻求对等操作　291<br /> 10.3.2　寻求特有操作　291<br /> 10.4　压缩域图像检索技术的研究进展　292<br /> 10.4.1　变换压缩域检索技术　292<br /> 10.4.2　空间压缩域检索技术　298<br /> 10.4.3　混合压缩域检索技术　299<br /> 参考文献　300<br /> <br /> 第11章　压缩域纹理图像分类<br /> 11.1　概述　305<br /> 11.2　基于DCT压缩域区域能量方向性的纹理图像分类　306<br /> 11.2.1　基于DCT编码的基本框图　306<br /> 11.2.2　DCT域区域能量的方向性　307<br /> 11.2.3　基于能量方向性的纹理图像分类算法设计　309<br /> 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<br /> 11.3　基于DCT压缩域的具有旋转不变性的纹理图像分类　312<br /> 11.3.1　DCT域的多分辨率特性　312<br /> 11.3.2　具有抗旋转性的纹理图像分类方法　314<br /> 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<br /> 11.4　基于小波压缩域纹理图像分类　317<br /> 11.4.1　基于小波的纹理分析方法的发展　317<br /> 11.4.2　基于子带间相关性纹理特征提取　318<br /> 11.4.3　基于小波压缩域纹理图像分类算法　321<br /> 11.4.4　基于小波压缩域纹理图像分类算法实验　321<br /> 11.5　讨论　323<br /> 参考文献　324<br /> <br /> 第12章　DCT压缩域基于轮廓特征的图像检索<br /> 12.1　概述　327<br /> 12.2　基于图像检索的连通直方图方法　328<br /> 12.2.1　图像的连通直方图　328<br /> 12.2.2　基于连通直方图的图像检索　330<br /> 12.2.3　基于连通直方图的图像检索的实验　331<br /> 12.3　DCT压缩域基于轮廓特征的图像检索方法　333<br /> 12.3.1　重组DCT系数　334<br /> 12.3.2　提取图像的轮廓　334<br /> 12.3.3　基于轮廓的连通直方图　336<br /> 12.3.4　DCT压缩域基于轮廓特征的图像检索流程　337<br /> 12.3.5　DCT压缩域基于轮廓特征的图像检索的实验　337<br /> 12.4　讨论　340<br /> 参考文献　340<br /> <br /> 第13章　压缩域字符定位<br /> 13.1　概述　341<br /> 13.2　DCT压缩域的字符定位方法　343<br /> 13.2.1　DCT压缩域中字符特征的提取　343<br /> 13.2.2　DCT压缩域的字符定位算法　344<br /> 13.2.3　DCT压缩域字符定位算法的实验　345<br /> 13.3　基于加权频率的DCT压缩域的字符定位方法　347<br /> 13.3.1　DCT压缩域字符区新特征——加权频率　347<br /> 13.3.2　基于加权频率的DCT压缩域字符定位算法　348<br /> 13.3.3　基于加权频率的DCT压缩域字符定位算法的实验　352<br /> 13.4　小波压缩域字符定位　355<br /> 13.4.1　字符特征在小波压缩域图像中的表示　355<br /> 13.4.2　基于小波压缩域的字符定位算法　357<br /> 13.4.3　基于小波压缩域字符定位算法的实验　362<br /> 13.5　讨论　363<br /> 参考文献　364<br /> <br /> 第14章　压缩域的肤色分割<br /> 14.1　概述　366<br /> 14.2　DCT压缩域基于三维椭圆模型的自适应肤色分割　367<br /> 14.2.1　三维椭圆肤色模型　367<br /> 14.2.2　基于DCT直流系数的肤色初分割　371<br /> 14.2.3　自适应修正分割结果　372<br /> 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<br /> 14.3　小波压缩域双适形肤色分割模型　375<br /> 14.3.1　双适形肤色模型　375<br /> 14.3.2　小波压缩域基于双适形模型的肤色分割　377<br /> 14.3.3　平滑滤波与连通域分析　378<br /> 14.4　讨论　378<br /> 参考文献　379<br /> <br /> 第15章　压缩域的人脸检测<br /> 15.1　概述　381<br /> 15.2　DCT压缩域的人脸检测方法　383<br /> 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<br /> 15.2.2　多级梯度能量特征　385<br /> 15.2.3　级联分类器　387<br /> 15.2.4　搜索策略　388<br /> 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<br /> 15.3　小波压缩域的人脸检测　390<br /> 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<br /> 15.3.2　多级梯度能量描述　391<br /> 15.3.3　级联检测器　394<br /> 15.3.4　搜索策略　396<br /> 15.3.5　结果仲裁　397<br /> 15.3.6　实验结果　397<br /> 15.4　讨论　400<br /> 参考文献　400<br /> <br /> 第16章　基于JPEG2000压缩码流的检索方法<br /> 16.1　概述　402<br /> 16.2　JPEG2000码流结构及包头信息　403<br /> 16.3　基于JPEG2000压缩码流的图像检索　404<br /> 16.3.1　提取包头信息　404<br /> 16.3.2　基于包头信息构建特征量　405<br /> 16.3.3　特征量归一化　406<br /> 16.3.4　相似度匹配　406<br /> 16.4　基于JPEG2000压缩码流检索方法的实验　407<br /> 16.4.1　特征量计算及相似度匹配　407<br /> 16.4.2　检索结果的准确性　408<br /> 16.4.3　检索效率与压缩比的讨论　410<br /> 16.5　讨论　412<br /> 参考文献　412<br /> <br /> 第17章　基于反对称双正交小波的压缩域图像检索方法<br /> 17.1　概述　413<br /> 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<br /> 17.2.1　小波用于图像边缘提取　414<br /> 17.2.2　反对称双正交小波的多尺度边缘提取算法　417<br /> 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<br /> 17.3　方向梯度相角直方图及其特性　424<br /> 17.3.1　方向梯度相角直方图的构造　424<br /> 17.3.2　方向梯度相角直方图的特性　426<br /> 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<br /> 17.4.1　基于反对称双正交小波的图像压缩编码算法　431<br /> 17.4.2　基于反对称双正交小波的压缩域图像检索算法　432<br /> 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<br /> 17.5　讨论　437<br /> 附录：小波滤波器系数　438<br /> 参考文献　439<br /> <br /> 第18章　一种支持检索的分类矢量量化压缩编码方法<br /> 18.1　概述　441<br /> 18.2　不同量化方法与图像检索　442<br /> 18.2.1　标量量化　442<br /> 18.2.2　矢量量化　442<br /> 18.2.3　分类矢量量化　444<br /> 18.2.4　检索性能分析　445<br /> 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<br /> 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<br /> 18.3.2　矢量码书的设计　450<br /> 18.3.3　基于压缩数据的图像检索　454<br /> 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<br /> 18.4　讨论　460<br /> 参考文献　460<br /> <br /> 第19章　一种支持检索的迭代分形图像压缩方法<br /> 19.1　概述　462<br /> 19.2　迭代分形编码　463<br /> 19.2.1　迭代分形编码的理论基础　463<br /> 19.2.2　迭代分形编码的基本原理　465<br /> 19.2.3　分形与其他方法的结合　466<br /> 19.2.4　迭代分形用于图像检索的分析　467<br /> 19.3　基于迭代分形的图像压缩编码与检索算法研究　467<br /> 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<br /> 19.3.2　基于迭代分形压缩数据的图像检索的实现　471<br /> 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<br /> 19.4　讨论　475<br /> 参考文献　476<br /> <br /> 第四篇　结束语<br /> <br /> 第20章　结束语<br /> 20.1　人眼视觉系统特性的讨论　481<br /> 20.2　视频关键帧的压缩域提取　482<br /> 20.2.1　等时间间隔采样方法的关键帧提取　482<br /> 20.2.2　基于帧间内容变化方法的关键帧提取　483<br /> 20.2.3　基于聚类方法的关键帧提取　484<br /> 20.2.4　针对敏感视频识别应用的关键帧的提取方案　484<br /> 20.3　语义鸿沟　485<br /> 20.3.1　基于对象本体论定义高层语义　486<br /> 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<br /> 20.3.3　相关反馈学习用户主观意图　488<br /> 20.3.4　生成语义模板支持高层图像检索　488<br /> 20.3.5　讨论　489<br /> 20.4　压缩域图像特征的提取　490<br /> 20.4.1　压缩域图像中的空间视觉特征　490<br /> 20.4.2　压缩域编码特征　491<br /> 20.4.3　不同压缩域的统一特征　492<br /> 20.4.4　讨论　492<br /> 参考文献　493