基于非線性融合的夜間圖像顯著目標檢測

目錄
前言
第1章 顯著目標檢測 1
1.1 概述 1
1.2 受人類視覺系統(tǒng)啟發(fā)的顯著目標檢測 3
1.2.1 視覺注意機制 3
1.2.2 顯著目標檢測的神經(jīng)生物學機制 4
1.2.3 顯著目標檢測的心理物理學機制 6
1.3 顯著目標檢測算法 7
1.3.1 基于自底向上的顯著目標檢測算法 8
1.3.2 基于自頂向下的顯著目標檢測算法 8
1.4 定位顯著目標的方法 9
1.4.1 基于像素級的方法 9
1.4.2 基于特征級的方法 10
1.4.3 基于決策級的方法 10
參考文獻 10
第2章 基于像素級非線性融合的夜間圖像顯著目標檢測 14
2.1 頻域-空域融合的方法 14
2.1.1 顯著目標檢測算法 14
2.1.2 頻域和空域顯著目標檢測方法相關工作 15
2.1.3 顯著目標檢測模型 17
2.1.4 實驗 23
2.1.5 總結 32
2.2 基于超像素的全局對比度驅(qū)動方法 32
2.2.1 基于超像素的全局對比度驅(qū)動的顯著目標檢測算法 33
2.2.2 實驗結果 36
2.2.3 總結 43
2.3 基于局部-全局對比度的多尺度超像素級顯著目標檢測模型 43
2.3.1 多尺度特征提取 44
2.3.2 暗通道先驗 47
2.3.3 中心先驗 47
2.3.4 顯著圖融合 48
2.3.5 實驗結果 48
2.3.6 總結 56
參考文獻 56
第3章 基于特征級非線性融合的夜間圖像顯著目標檢測 60
3.1 基于局部-全局超像素協(xié)方差的顯著目標檢測模型 60
3.1.1 局部和全局超像素協(xié)方差估計 61
3.1.2 基于圖的流形排序 62
3.1.3 基于特征的區(qū)域協(xié)方差 62
3.1.4 基于協(xié)方差的顯著性估計 63
3.1.5 基于擴散的顯著性優(yōu)化 64
3.1.6 實驗 64
3.1.7 總結 71
3.2 低對比度圖像中顯著目標檢測的層次特征融合方法 72
3.2.1 視覺特征提取 72
3.2.2 自適應多特征融合 77
3.2.3 實驗結果 79
3.2.4 總結 82
參考文獻 82
第4章 基于決策級非線性融合的夜間圖像顯著目標檢測 85
4.1 低對比度圖像的顯著特征中的顯著目標檢測 85
4.1.1 本節(jié)提出的顯著目標檢測模型 86
4.1.2 實驗結果 89
4.1.3 總結 92
4.2 基于協(xié)方差卷積神經(jīng)網(wǎng)絡的低對比度圖像顯著目標檢測模型 92
4.2.1 本節(jié)提出的模型 93
4.2.2 實驗結果 97
4.2.3 總結 109
參考文獻 109
第5章 基于非線性融合夜間圖像顯著目標檢測的應用 111
5.1 目標跟蹤 111
5.2 目標檢測 112
5.3 目標識別 113
5.4 行人重識別 115
5.5 圖像檢索 116
參考文獻 117