书名：视觉显著性目标检测原理及方法
定价：68.0
ISBN：9787511478634
作者：王凡
版次：1
出版时间：2025-01

内容提要：
本书*主要介绍了视觉显著性目标检测原理，综述了视觉显著性目标检测研究现状；其次详细介绍了一种主流的视觉显著性检测的理论模型-图半监督学习，并阐述了其存在优点和缺点，提出了几种基于图半监督学习的视觉显著性目标检测方法，突破了图半监督学习在视觉显著性目标检测中的局限性。目前，关于基于图半监督学习的视觉显著性目标检测的学术期刊论文很多，但是相关书籍很少。所以，本书可为以后进一步深入研究视觉显著性检测方法和图半监督学习理论的相关应用奠定基础。



作者简介：
王凡，女，讲师，博士，专业为数学，研究方向为图形图像信息处理的理论与方法。2015年9月-2022年6月，硕士和博士*读于西北工业大学；2022年7月，进入西安石油大学工作。围绕图像及视频的视觉显著目标检测，近五年以*作者发表学术论文7篇，其中SCI学术论文6篇和国际会议论文1篇。 王铭显，男，西安石油大学副教授，硕士研究生导师。2019年，入职西安石油大学地球科学与工程学院。主要从事油气藏地质开发工程一体化、碳酸盐岩油藏注水开发、油气储层渗流力学、非常规储层渗吸增产机理、油气藏数值模拟等研究。主持国家自然科学基金、陕西省自然科学基金、中国石油科技创新基金各1项，主持油田企业横向课题2项，参与国家科技重大专项课题1项、国家自然科学基金2项。以*作者或通信作者发表SCI论文13篇，中文核心论文4篇，出版专著1部，授权国家发明专利5项。《西安石油大学学报（自然科学版）》、《油气藏评价与开发》等期刊青年编委。

媒体评论：

本书深入探讨了复杂图像场景中显著性目标检测的相关问题，结合图理论和图像特征提出创新解决方案。本书系统性强，从理论到实践*解析显著性目标检测技术，既有*方法的阐述，也有前沿研究成果的介绍。适用于计算机视觉、图像处理等领域的研究人员、工程师及学生，为其提供了一本理论与实践并重、具有实际应用价值的参考书。通过阅读本书，读者可深入了解显著性目标检测技术的*进展，提升图像处理能力。

目录：

 

第1章绪论（1）

1.1引言（1）

1.2视觉显著性检测任务（2）

1.3视觉显著性检测研究现状（5）

1.3.1基于低层图像特征的自底向上显著性目标检测方法（6）

1.3.2基于低层图像特征的自顶向下显著性目标检测方法（10）

1.3.3基于高层语义信息的自底向上显著性目标检测方法（11）

1.3.4基于深度学习的显著性目标检测方法（12）

1.4视觉显著性检测研究存在的问题（12）

1.4.1研究对象存在的挑战（12）

1.4.2研究方法及存在的问题（14）

第2章视觉显著性目标检测基础知识（15）

2.1引言（15）

2.2视觉显著性目标检测原理（15）

2.2.1人类视觉系统（15）

2.2.2视觉显著性定义（17）

2.2.3视觉显著性检测机制（17）

2.3图像数据集和评价方法（20）

2.4显著性评价指标（24）

2.5本章小结（27）

第3章图半监督学习（28）

3.1引言（28）

3.2图的概念及构造（28）

3.2.1图的概念（28）

3.2.2图的类型（29）

3.2.3邻域和度（29）

3.2.4图的属性（30）

3.2.5传统图构造方法（32）

3.2.6基于局部线性嵌入的图构造（33）

3.3图半监督学习方法（34）

3.3.1图半监督学习假设（36）

3.3.2高斯随机场（36）

3.3.3流形排序（38）

3.4基于图的视觉显著性目标检测方法（41）

3.4.1基于梯度下降的*像素分割算法（41）

3.4.2基于背景先验的流形排序方法（42）

3.4.3基于前景紧凑性的显著性计算方法（44）

3.4.4元胞自动机的显著性优化方法（46）

3.5本章小结（47）

第4章基于颜色描述子和高层先验的显著性目标检测（48）

4.1引言（48）

4.2CDHL算法概述（49）

4.2.1局部图像描述子（49）

4.2.2高层先验信息（52）

4.3实验和分析（55）

4.3.1实现细节（55）

4.3.2定量对比和分析（56）

4.3.3定性对比和分析（59）

4.4本章小结（60）

第5章基于多图交叉扩散的显著性目标检测（62）

5.1引言（62）

5.2CDCMG方法概述（64）

5.2.1图像特征提取（64）

5.2.2传统图构造（66）

5.2.3基于交叉扩散的前景紧凑性显著值计算（66）

5.2.4基于多特征SCA的显著性优化（67）

5.3实验和分析（69）

5.3.1CDCMG实现细节（69）

5.3.2定量对比和分析（70）

5.3.3定性对比和分析（73）

5.4本章小结（76）

第6章基于强化图的显著性目标检测（77）

6.1引言（77）

6.2LJAM方法概述（78）

6.2.1图像特征提取（79）

6.2.2联合*和图矩阵（80）

6.2.3强化图构建（82）

6.2.4基于强化图的前景紧凑性显著值计算（83）

6.2.5基于强化SCA方法的显著图优化（84）

6.3实验和分析（86）

6.3.1LJAM实现细节（87）

6.3.2定量对比和分析（87）

6.3.3定性对比和分析（90）

6.3.4SLIC方法的有效性验证（93）

6.3.5LJAM的消融实验（94）

6.3.6强化图的优越性和拓展性验证（95）

6.4本章小结（96）

第7章基于三层强化图扩散的显著性目标检测（97）

7.1引言（97）

7.2RGD-3方法概述（98）

7.2.1图像特征提取（99）

7.2.2*和图矩阵和传统图（99）

7.2.3*层强化图中的前景显著值计算（100）

7.2.4*层强化图中的前景和背景显著值计算（102）

7.2.5第三层强化图——SCA显著图优化（103）

7.3实验和分析（104）

7.3.1RGD-3实现细节（105）

7.3.2定量对比和分析（105）

7.3.3定性对比和分析（109）

7.3.4RGD-3的消融实验（112）

7.4本章小结（113）

第8章基于稀疏子空间聚类强化图的多尺度显著性目标检测（114）

8.1引言（114）

8.2MSPG方法概述（115）

8.2.1提取图像特征（116）

8.2.2传统图构造（117）

8.2.3稀疏子空间聚类的*和图矩阵学习（117）

8.3实验和分析（119）

8.3.1实现细节（120）

8.3.2定量对比和分析（120）

8.3.3定性对比和分析（124）

8.3.4消融实验（127）

8.4本章小结（129）

第9章基于加权图构建的显著性目标检测（130）

9.1引言（130）

9.2SDWG方法概述（131）

9.2.1图像特征提取（132）

9.2.2传统无向图构建（132）

9.2.3多视角*和图矩阵学习（132）

9.2.4多视角加权图构建（134）

9.2.5基于三层加权图的显著性检测（134）

9.3实验和分析（136）

9.3.1实现细节（137）

9.3.2定量对比和分析（137）

9.3.3定性对比和分析（140）

9.3.4消融实验（141）

9.4本章小结（141）

第10章基于稀疏图加权强化图扩散的显著性目标检测（142）

10.1引言（142）

10.2SGW算法概述（143）

10.2.1图像特征提取（144）

10.2.2稀疏图学习（144）

10.2.3传统图矩阵构建（144）

10.2.4基于强化图扩散模型的显著性计算（145）

10.3实验和分析（146）

10.3.1定量对比和分析（147）

10.3.2定性对比和分析（149）

10.3.3消融实验（149）

10.4本章小结（153）

参考文献（154）