視覺注意和人腦記憶機制啟發(fā)下的感興趣目標(biāo)提取與跟蹤

前言
第1章 概述
1．1 運動目標(biāo)檢測
1．1．1 相鄰幀差法
1．1．2 光流法
1．1．3 背景減除法
1．2 運動目標(biāo)跟蹤
1．2．1 目標(biāo)描述
1．2．2 特征選取
1．2．3 運動目標(biāo)跟蹤方法
1．3 運動目標(biāo)跟蹤方法研究現(xiàn)狀
1．4 運動目標(biāo)檢測和跟蹤中存在的難點
1．5 視覺注意機制在感興趣目標(biāo)提取中的應(yīng)用
參考文獻(xiàn)
第2章 人類視覺系統(tǒng)與視覺注意機制
2．1 人類視覺系統(tǒng)
2．1．1 人眼結(jié)構(gòu)及視覺通路
2．1．2 視皮層
2．1．3 視覺感知機制
2．2 視覺注意機制
2．2．1 視覺注意機制概述
2．2．2 視覺注意建模的理論基礎(chǔ)
2．3 經(jīng)典視覺注意計算模型
2．3．1 Itti視覺注意計算模型
2．3．2 GBVS視覺注意計算模型
2．3．3 SR視覺注意計算模型
2．4 本章小結(jié)
參考文獻(xiàn)
第3章 基于視覺注意機制的感興趣目標(biāo)提取
3．1 基于快速字典學(xué)習(xí)與特征稀有性的自然圖像顯著目標(biāo)提取
3．1．1 稀疏編碼
3．1．2 快速字典學(xué)習(xí)算法
3．1．3 稀有性量化
3．1．4 實驗結(jié)果及討論
3．2 基于動態(tài)視覺顯著性的感興趣目標(biāo)提取
3．2．1 靜態(tài)顯著性提取
3．2．2 基于SIFT流的動態(tài)顯著性提取
3．2．3 實驗結(jié)果及討論
3．3 本章小結(jié)
參考文獻(xiàn)
第4章 基于人類記憶機制的視覺信息處理認(rèn)知建模
4．1 人腦記憶的分類
4．2 人腦記憶機制的神經(jīng)基礎(chǔ)
4．2．1 神經(jīng)細(xì)胞的基本結(jié)構(gòu)
4．2．2 人腦記憶機制的生理學(xué)基礎(chǔ)
4．3 人腦記憶計算模型
4．3．1 基于認(rèn)知心理學(xué)的記憶計算模型
4．3．2 基于認(rèn)知神經(jīng)科學(xué)的記憶計算模型
4．4 基于人腦三階段記憶模型的視覺信息處理認(rèn)知建模
4．4．1 信息粒
4．4．2 記憶空間
4．4．3 認(rèn)知行為
4．4．4 決策
4．4．5 記憶空間更新規(guī)則
4．4．6 MVIPM的實現(xiàn)
4．5 本章小結(jié)
參考文獻(xiàn)
第5章 基于人腦三階段記憶機制的場景建模
5．1 混合高斯背景建模
5．1．1 混合高斯模型的基本原理
5．1．2 混合高斯背景建模方法存在問題及發(fā)展現(xiàn)狀
5．2 基于記憶的混合高斯模型
5．2．1 基于記憶的混合高斯背景建?？傮w框架
5．2．2 基于記憶的混合高斯背景建模算法描述
5．2．3 實驗結(jié)果及討論
5．3 基于記憶的碼本模型
5．3．1 碼本模型
5．3．2 碼字的特征參數(shù)集合
5．3．3 碼本記憶空間的構(gòu)建
5．3．4 算法流程及描述
5．3．5 實驗結(jié)果及分析
5．4 本章小結(jié)
參考文獻(xiàn)
第6章 基于記憶機制Mean-shift和粒子濾波魯棒運動目標(biāo)跟蹤
6．1 基于記憶的模板更新建模
6．1．1 基于記憶的模板更新模型及定義
6．1．2 模板更新算法詳細(xì)描述
6．2 基于記憶的模板更新Mean-shift運動目標(biāo)跟蹤
6．2．1 Mean-shift跟蹤器初始化及算法描述
6．2．2 實驗結(jié)果及討論
6．3 基于記憶的模板更新粒子濾波運動目標(biāo)跟蹤
6．3．1 粒子濾波跟蹤器初始化及具體算法描述
6．3．2 實驗結(jié)果及討論
6．4 基于記憶的多特征融合粒子濾波目標(biāo)跟蹤
6．4．1 目標(biāo)特征的描述與提取
6．4．2 基于記憶的多特征融合
6．4．3 基于記憶的多特征融合粒子濾波目標(biāo)跟蹤
6．4．4 實驗結(jié)果及分析
6．5 本章小結(jié)
參考文獻(xiàn)
第7章 基于記憶的多智能體協(xié)同進(jìn)化運動目標(biāo)跟蹤
7．1 基于記憶的多智能體協(xié)同進(jìn)化運動目標(biāo)跟蹤建模
7．1．1 基于記憶的智能體模型
7．1．2 多智能體協(xié)同進(jìn)化行為
7．1．3 YCbCr顏色空間非參數(shù)目標(biāo)建模
7．1．4 算法的實現(xiàn)
7．2 實驗結(jié)果及討論
7．3 本章小結(jié)
參考文獻(xiàn)
彩圖