圖像檢索與壓縮域處理技術(shù)的研究

第一篇　基礎(chǔ)知識
第1章　數(shù)字圖像
1.1　圖像與視頻　3
1.2　數(shù)字圖像的特點　4
1.2.1　圖像數(shù)據(jù)的海量性　4
1.2.2　圖像的壓縮格式具有普遍性　5
1.2.3　圖像的內(nèi)容表現(xiàn)具有非結(jié)構(gòu)性　6
1.2.4　應(yīng)用環(huán)境的多元化　6
1.3　圖像的彩色空間　7
1.3.1　彩色空間的視覺屬性　7
1.3.2　RGB彩色空間　7
1.3.3　YCbCr彩色空間　8
1.4　視頻格式　9
1.5　感興趣區(qū)的人眼視覺系統(tǒng)特性　10
1.5.1　視覺感興趣區(qū)　10
1.5.2　視覺掩蓋效應(yīng)　11
1.6　圖像質(zhì)量的評價　15
1.6.1　概述　15
1.6.2　客觀質(zhì)量的評價　16
1.6.3　主觀質(zhì)量的評價　16
1.6.4　感興趣區(qū)質(zhì)量評價　17
1.6.5　感興趣區(qū)質(zhì)量評價的實驗結(jié)果　19
1.7　討論　21
參考文獻　21
第2章　圖像壓縮編碼技術(shù)的發(fā)展
2.1　概述　23
2.2　熵編碼　24
2.3　傳統(tǒng)的圖像/視頻編碼技術(shù)　25
2.3.1　預(yù)測編碼　25
2.3.2　變換編碼　26
2.3.3　矢量量化　28
2.4　新型圖像/視頻編碼技術(shù)　28
2.4.1　第二代圖像編碼方法　29
2.4.2　分形編碼　29
2.4.3　模型編碼　30
2.4.4　小波編碼　31
2.5　圖像/視頻編碼標準　32
2.5.1　靜止圖像編碼的標準　35
2.5.2　視頻編碼標準　35
2.6　JPEG2000標準　40
2.6.1　JPEG2000體系結(jié)構(gòu)與關(guān)鍵技術(shù)　40
2.6.2　JPEG2000的主要特點與性能描述　45
2.7　討論　46
參考文獻　49
第3章　基于內(nèi)容的圖像檢索技術(shù)
3.1　概述　52
3.2　圖像的內(nèi)容特征　54
3.2.1　顏色特征　55
3.2.2　紋理特征　57
3.2.3　輪廓特征　60
3.2.4　形狀特征　60
3.2.5　對象特征　61
3.2.6　空間特征　63
3.2.7　字符特征　64
3.2.8　語義特征　64
3.2.9　圖像的語義層次模型　66
3.3　圖像相似度計算　67
3.3.1　距離度量　67
3.3.2　相關(guān)計算　68
3.3.3　關(guān)聯(lián)系數(shù)計算　69
3.3.4　多特征相似度計算　70
3.3.5　具有光照不變性的圖像檢索　70
3.4　人機接口及相關(guān)反饋　71
3.4.1　友好的人機交互接口　71
3.4.2　相關(guān)反饋的新進展　74
3.5　圖像的檢索　76
3.5.1　低層視覺特征　76
3.5.2　局部圖像　76
3.5.3　自定義特征檢索　77
3.5.4　示例圖與草圖檢索　77
3.5.5　瀏覽檢索　77
3.6　圖像檢索系統(tǒng)　78
3.7　圖像檢索性能的評價　79
3.8　討論　80
參考文獻　82
第二篇　基于視覺感知的個性化圖像檢索
第4章　視覺注意機制及注意模型
4.1　概述　89
4.2　人眼視覺系統(tǒng)的生理特性　90
4.2.1　視覺感官　92
4.2.2　視覺通路　93
4.2.3　視覺中樞　94
4.2.4　視覺感知　97
4.3　視覺注意機制　98
4.3.1　What和Where視覺通路　98
4.3.2　預(yù)注意和注意階段　99
4.3.3　自底向上和自頂向下的注意模式　99
4.3.4　選擇性注意機制　100
4.3.5　注意焦點的選擇與轉(zhuǎn)移　102
4.4　視覺注意模型　102
4.4.1　基于空間的注意模型　103
4.4.2　基于特征的注意模型　111
4.4.3　基于空間和特征整合的注意模型　112
4.4.4　基于對象的注意模型　112
4.5　討論　113
參考文獻　114
第5章　基于視覺注意模型的感興趣區(qū)檢測
5.1　概述　118
5.2　感興趣區(qū)檢測的研究進展　119
5.3　一種基于改進Itti模型與進化規(guī)劃的感興趣區(qū)檢測方法　121
5.3.1　視覺顯著度量　122
5.3.2　注意焦點的選擇與轉(zhuǎn)移　124
5.3.3　感興趣區(qū)的生成　126
5.3.4　一種基于改進Itti模型與進化規(guī)劃的感興趣區(qū)檢測方法的實驗　128
5.4　基于相似距離的Top-Down模型的初步研究　135
5.4.1　基于相似距離的Top-Down模型結(jié)構(gòu)　135
5.4.2　相似區(qū)域的判定方法　136
5.4.3　基于相似距離的視覺期望　137
5.4.4　基于相似距離的Top-Down模型的初步實驗　138
5.5　討論　139
參考文獻　140
第6章　視點跟蹤技術(shù)
6.1　概述　142
6.2　視點跟蹤技術(shù)的研究進展　143
6.2.1　人眼的運動特性　143
6.2.2　視點跟蹤設(shè)備　144
6.2.3　人眼檢測與定位　145
6.2.4　視點跟蹤技術(shù)分類　147
6.3　改造的視點跟蹤設(shè)備　150
6.3.1　視點跟蹤設(shè)備的選擇及參數(shù)設(shè)置　150
6.3.2　視點跟蹤設(shè)備的改造方案　154
6.3.3　方案選擇與對比　157
6.4　基于Gabor變換的人眼定位方法　157
6.4.1　歸一化處理　158
6.4.2　Gabor小波變換　159
6.4.3　投影分析　160
6.4.4　基于Gabor變換的人眼定位方法的實驗　161
6.5　一種基于雙閾值的低復(fù)雜度視點跟蹤方法　163
6.5.1　雙閾值人眼定位算法　163
6.5.2　雙閾值人眼定位算法的實驗　166
6.5.3　基于幾何映射的視點跟蹤方法　167
6.5.4　一種基于雙閾值的低復(fù)雜度視點跟蹤方法的實驗　168
6.6　一種基于Web Camera的自適應(yīng)模板視點跟蹤方法　169
6.6.1　自適應(yīng)模板人眼定位算法　169
6.6.2　自適應(yīng)模板人眼定位算法的實驗　171
6.6.3　基于神經(jīng)網(wǎng)絡(luò)法的視點跟蹤方法　172
6.6.4　一種基于Web Camera的自適應(yīng)模板視點跟蹤方法的實驗　174
6.7　討論　175
參考文獻　176
第7章　客觀化的視覺感知技術(shù)
7.1　概述　179
7.2　客觀化的視覺感知信息　180
7.3　基于視覺感知的感興趣區(qū)檢測　181
7.3.1　注視點分布圖　181
7.3.2　注視興趣度　183
7.3.3　基于視覺感知的感興趣區(qū)　184
7.4　基于視覺感知的感興趣區(qū)檢測實驗平臺　186
7.4.1　實驗平臺　186
7.4.2　實驗結(jié)果　188
7.5　討論　198
參考文獻　199
第8章　個性化圖像檢索技術(shù)
8.1　概述　200
8.2　圖像搜索引擎　202
8.3　用戶興趣模型　205
8.3.1　Agent推理機　205
8.3.2　個性化文件　209
8.3.3　用戶興趣模型的更新　213
8.4　基于規(guī)則的個性化推薦　214
8.5　基于內(nèi)容的個性化推薦　218
8.5.1　概述　218
8.5.2　潛在變量分析　219
8.5.3　廣義概率主分量分析模型　221
8.6　協(xié)作過濾的個性化推薦　224
8.6.1　概述　224
8.6.2　基于記憶的協(xié)作過濾　225
8.6.3　基于模型的協(xié)作過濾　229
8.6.4　基于協(xié)作過濾的圖像檢索　230
8.7　混合過濾的個性化推薦　233
8.8　個性化推薦系統(tǒng)的評價　235
8.9　相關(guān)反饋技術(shù)　235
8.10　討論　237
參考文獻　238
第9章　應(yīng)用于個性化圖像檢索的用戶興趣模型的構(gòu)建
9.1　概述　242
9.2　用戶興趣模型描述　243
9.2.1　用戶興趣的表示方式　243
9.2.2　用戶興趣模型的分類　244
9.2.3　用戶興趣模型的構(gòu)建方法　245
9.2.4　用戶興趣模型的框圖　246
9.3　用戶短期興趣的獲取　247
9.3.1　短期視覺特征　248
9.3.2　短期視覺特征實驗結(jié)果　253
9.3.3　短期語義特征　257
9.3.4　短期語義特征實驗結(jié)果　263
9.4　用戶長期興趣的獲取　263
9.4.1　推理機的設(shè)計與實現(xiàn)　264
9.4.2　長期視覺特征　265
9.4.3　長期視覺特征實驗結(jié)果　266
9.4.4　長期語義特征　270
9.4.5　長期語義特征實驗結(jié)果　273
9.5　基于用戶興趣模型的個性化圖像檢索系統(tǒng)　273
9.5.1　個性化圖像檢索系統(tǒng)組成　273
9.5.2　個性化圖像檢索實驗結(jié)果與分析　274
9.6　討論　281
參考文獻　282
第三篇　基于壓縮域的圖像處理
第10章　壓縮域圖像處理技術(shù)綜述
10.1　概述　287
10.2　壓縮域圖像處理系統(tǒng)的構(gòu)成　288
10.2.1　基于壓縮域的圖像檢索系統(tǒng)框圖　289
10.2.2　壓縮域處理可操作位置　289
10.3　壓縮域圖像處理的研究方法　290
10.3.1　尋求對等操作　291
10.3.2　尋求特有操作　291
10.4　壓縮域圖像檢索技術(shù)的研究進展　292
10.4.1　變換壓縮域檢索技術(shù)　292
10.4.2　空間壓縮域檢索技術(shù)　298
10.4.3　混合壓縮域檢索技術(shù)　299
參考文獻　300
第11章　壓縮域紋理圖像分類
11.1　概述　305
11.2　基于DCT壓縮域區(qū)域能量方向性的紋理圖像分類　306
11.2.1　基于DCT編碼的基本框圖　306
11.2.2　DCT域區(qū)域能量的方向性　307
11.2.3　基于能量方向性的紋理圖像分類算法設(shè)計　309
11.2.4　基于DCT壓縮域區(qū)域能量方向性的紋理圖像分類算法實驗　310
11.3　基于DCT壓縮域的具有旋轉(zhuǎn)不變性的紋理圖像分類　312
11.3.1　DCT域的多分辨率特性　312
11.3.2　具有抗旋轉(zhuǎn)性的紋理圖像分類方法　314
11.3.3　基于DCT壓縮域的具有旋轉(zhuǎn)不變性的紋理圖像分類算法實驗　315
11.4　基于小波壓縮域紋理圖像分類　317
11.4.1　基于小波的紋理分析方法的發(fā)展　317
11.4.2　基于子帶間相關(guān)性紋理特征提取　318
11.4.3　基于小波壓縮域紋理圖像分類算法　321
11.4.4　基于小波壓縮域紋理圖像分類算法實驗　321
11.5　討論　323
參考文獻　324
第12章　DCT壓縮域基于輪廓特征的圖像檢索
12.1　概述　327
12.2　基于圖像檢索的連通直方圖方法　328
12.2.1　圖像的連通直方圖　328
12.2.2　基于連通直方圖的圖像檢索　330
12.2.3　基于連通直方圖的圖像檢索的實驗　331
12.3　DCT壓縮域基于輪廓特征的圖像檢索方法　333
12.3.1　重組DCT系數(shù)　334
12.3.2　提取圖像的輪廓　334
12.3.3　基于輪廓的連通直方圖　336
12.3.4　DCT壓縮域基于輪廓特征的圖像檢索流程　337
12.3.5　DCT壓縮域基于輪廓特征的圖像檢索的實驗　337
12.4　討論　340
參考文獻　340
第13章　壓縮域字符定位
13.1　概述　341
13.2　DCT壓縮域的字符定位方法　343
13.2.1　DCT壓縮域中字符特征的提取　343
13.2.2　DCT壓縮域的字符定位算法　344
13.2.3　DCT壓縮域字符定位算法的實驗　345
13.3　基于加權(quán)頻率的DCT壓縮域的字符定位方法　347
13.3.1　DCT壓縮域字符區(qū)新特征——加權(quán)頻率　347
13.3.2　基于加權(quán)頻率的DCT壓縮域字符定位算法　348
13.3.3　基于加權(quán)頻率的DCT壓縮域字符定位算法的實驗　352
13.4　小波壓縮域字符定位　355
13.4.1　字符特征在小波壓縮域圖像中的表示　355
13.4.2　基于小波壓縮域的字符定位算法　357
13.4.3　基于小波壓縮域字符定位算法的實驗　362
13.5　討論　363
參考文獻　364
第14章　壓縮域的膚色分割
14.1　概述　366
14.2　DCT壓縮域基于三維橢圓模型的自適應(yīng)膚色分割　367
14.2.1　三維橢圓膚色模型　367
14.2.2　基于DCT直流系數(shù)的膚色初分割　371
14.2.3　自適應(yīng)修正分割結(jié)果　372
14.2.4　DCT壓縮域中基于三維橢圓模型的自適應(yīng)膚色分割實驗　373
14.3　小波壓縮域雙適形膚色分割模型　375
14.3.1　雙適形膚色模型　375
14.3.2　小波壓縮域基于雙適形模型的膚色分割　377
14.3.3　平滑濾波與連通域分析　378
14.4　討論　378
參考文獻　379
第15章　壓縮域的人臉檢測
15.1　概述　381
15.2　DCT壓縮域的人臉檢測方法　383
15.2.1　一種基于多級梯度能量特征的DCT壓縮域人臉檢測算法框圖　383
15.2.2　多級梯度能量特征　385
15.2.3　級聯(lián)分類器　387
15.2.4　搜索策略　388
15.2.5　基于多級梯度能量描述的DCT壓縮域人臉檢測算法的實驗　389
15.3　小波壓縮域的人臉檢測　390
15.3.1　一種基于多級梯度能量描述的小波壓縮域人臉檢測算法框圖　390
15.3.2　多級梯度能量描述　391
15.3.3　級聯(lián)檢測器　394
15.3.4　搜索策略　396
15.3.5　結(jié)果仲裁　397
15.3.6　實驗結(jié)果　397
15.4　討論　400
參考文獻　400
第16章　基于JPEG2000壓縮碼流的檢索方法
16.1　概述　402
16.2　JPEG2000碼流結(jié)構(gòu)及包頭信息　403
16.3　基于JPEG2000壓縮碼流的圖像檢索　404
16.3.1　提取包頭信息　404
16.3.2　基于包頭信息構(gòu)建特征量　405
16.3.3　特征量歸一化　406
16.3.4　相似度匹配　406
16.4　基于JPEG2000壓縮碼流檢索方法的實驗　407
16.4.1　特征量計算及相似度匹配　407
16.4.2　檢索結(jié)果的準確性　408
16.4.3　檢索效率與壓縮比的討論　410
16.5　討論　412
參考文獻　412
第17章　基于反對稱雙正交小波的壓縮域圖像檢索方法
17.1　概述　413
17.2　基于反對稱雙正交小波的多尺度邊緣提取算法的研究　414
17.2.1　小波用于圖像邊緣提取　414
17.2.2　反對稱雙正交小波的多尺度邊緣提取算法　417
17.2.3　基于反對稱雙正交小波多尺度邊緣提取算法實驗　421
17.3　方向梯度相角直方圖及其特性　424
17.3.1　方向梯度相角直方圖的構(gòu)造　424
17.3.2　方向梯度相角直方圖的特性　426
17.4　基于反對稱雙正交小波的壓縮域圖像檢索算法的研究　431
17.4.1　基于反對稱雙正交小波的圖像壓縮編碼算法　431
17.4.2　基于反對稱雙正交小波的壓縮域圖像檢索算法　432
17.4.3　基于反對稱雙正交小波的壓縮域圖像檢索算法實驗　432
17.5　討論　437
附錄：小波濾波器系數(shù)　438
參考文獻　439
第18章　一種支持檢索的分類矢量量化壓縮編碼方法
18.1　概述　441
18.2　不同量化方法與圖像檢索　442
18.2.1　標量量化　442
18.2.2　矢量量化　442
18.2.3　分類矢量量化　444
18.2.4　檢索性能分析　445
18.3　一種支持檢索的分類矢量量化壓縮編碼算法的研究　447
18.3.1　基于反對稱雙正交小波的分類矢量量化壓縮編碼算法框圖　448
18.3.2　矢量碼書的設(shè)計　450
18.3.3　基于壓縮數(shù)據(jù)的圖像檢索　454
18.3.4　一種支持檢索的分類矢量量化壓縮編碼算法實驗　456
18.4　討論　460
參考文獻　460
第19章　一種支持檢索的迭代分形圖像壓縮方法
19.1　概述　462
19.2　迭代分形編碼　463
19.2.1　迭代分形編碼的理論基礎(chǔ)　463
19.2.2　迭代分形編碼的基本原理　465
19.2.3　分形與其他方法的結(jié)合　466
19.2.4　迭代分形用于圖像檢索的分析　467
19.3　基于迭代分形的圖像壓縮編碼與檢索算法研究　467
19.3.1　小波變換域內(nèi)基于迭代分形的圖像壓縮編碼算法　468
19.3.2　基于迭代分形壓縮數(shù)據(jù)的圖像檢索的實現(xiàn)　471
19.3.3　基于迭代分形的圖像壓縮編碼與其檢索算法實驗　472
19.4　討論　475
參考文獻　476
第四篇　結(jié)束語
第20章　結(jié)束語
20.1　人眼視覺系統(tǒng)特性的討論　481
20.2　視頻關(guān)鍵幀的壓縮域提取　482
20.2.1　等時間間隔采樣方法的關(guān)鍵幀提取　482
20.2.2　基于幀間內(nèi)容變化方法的關(guān)鍵幀提取　483
20.2.3　基于聚類方法的關(guān)鍵幀提取　484
20.2.4　針對敏感視頻識別應(yīng)用的關(guān)鍵幀的提取方案　484
20.3　語義鴻溝　485
20.3.1　基于對象本體論定義高層語義　486
20.3.2　機器學習方法建立低層視覺特征與高層語義的關(guān)系　486
20.3.3　相關(guān)反饋學習用戶主觀意圖　488
20.3.4　生成語義模板支持高層圖像檢索　488
20.3.5　討論　489
20.4　壓縮域圖像特征的提取　490
20.4.1　壓縮域圖像中的空間視覺特征　490
20.4.2　壓縮域編碼特征　491
20.4.3　不同壓縮域的統(tǒng)一特征　492
20.4.4　討論　492
參考文獻　493