視覺感知系統(tǒng)信息處理理論

第1章 緒論
第2章 人類視覺感知系統(tǒng)
2.1 人類視覺感知系統(tǒng)概述
2.2 人類視覺感知系統(tǒng)的基本概念
2.2.1 眼優(yōu)勢柱、朝向柱和超柱
2.2.2 奇異點和旋轉(zhuǎn)、旋渦結(jié)構(gòu)
2.2.3感受野
2.3小結(jié)
第3章 模擬人類視覺感知機制模型的理論基礎(chǔ)
3.1有效編碼假說
3.1.1有效編碼假說的概念
3.1.2有效編碼假說的國內(nèi)外研究現(xiàn)狀
3.2貝葉斯學(xué)習(xí)理論
3.2.1貝葉斯概率和貝葉斯定理
3.2.2貝葉斯學(xué)習(xí)的基本過程
3.2.3貝葉斯方法的計算學(xué)習(xí)機制
3.3人類視覺系統(tǒng)感知的外界環(huán)境及其統(tǒng)計特性
3.3.1自然圖像
3.3.2自然圖像的高階統(tǒng)計特性
3.3.3自然圖像的時空統(tǒng)計特性
3.4線性轉(zhuǎn)換工具
3.4.1主分量分析方法
3.4.2獨立分量分析方法
3.5非線性轉(zhuǎn)換工具
3.5.1局部線性嵌入
3.5.2 Isomap算法
3.6小結(jié)
第4章 基于視覺通路的模型結(jié)構(gòu)
4.1“感知”和“行為”的分離
4.2兩條視覺通路
4.3 what和where通路劃分的生物學(xué)基礎(chǔ)
4.4 Rybak模型
4.4.1 Rybak模型介紹
4.4.2記憶模式中的主要記憶過程
4.4.3實驗結(jié)果及分析
4.5小結(jié)
第5章 特征提取和特征選擇
5.1 Marr的特征分析理論
5.1.1神經(jīng)還原論
5.1.2結(jié)構(gòu)分解理論
5.1.3特征空間論
5.1.4特征空間的近似
5.2拓?fù)渲X理論
5.2.1生物學(xué)依據(jù)
5.2.2 Gestalt知覺組織原則
5.2.3拓?fù)涮卣魈崛、瘛叨瓤臻g
5.2.4拓?fù)涮卣魈崛、颉狹RF
5.3小結(jié)
第6章 注意機制
6.1數(shù)據(jù)驅(qū)動的注意模型
6.1.1初級視覺特征提取
6.1.2多特征圖合并策略
6.1.3注意焦點轉(zhuǎn)移機制
6.2任務(wù)驅(qū)動的注意模型
6.2.1心理閾值函數(shù)模型
6.2.2馬爾可夫模型
6.3注意模型應(yīng)用舉例
6.3.1復(fù)雜自然場景中的目標(biāo)搜索
6.3.2圖像壓縮
6.4小結(jié)
第7章 模擬人類感知系統(tǒng)模型
7.1模型概述
7.2 DLM人臉識別系統(tǒng)詳細(xì)介紹
7.2.1結(jié)構(gòu)和動力學(xué)機制概述
7.2.2 blob的形成
7.2.3 blob的移動
7.2.4圖像層和模板層的交互作用與同步
7.2.5連接動力學(xué)
7.2.6注意動力學(xué)
7.2.7識別動力學(xué)
7.2.8雙向連接
7.2.9 blob在模板域中的排列
7.2.10模板層神經(jīng)元輸入信號的選擇
7.3實驗
7.4小結(jié)
第8章 自然圖像的二階統(tǒng)計特性
8.1空間相關(guān)性與能量譜
8.1.1空間相關(guān)性
8.1.2自然圖像的能量譜
8.1.3能量譜的統(tǒng)計特性
8.1.4能量譜與空間相關(guān)性的關(guān)系
8.2時間相關(guān)性與能量譜
8.2.1時間相關(guān)性
8.2.2自然圖像序列的能量譜
8.3時空相關(guān)性的去除
8.3.1無噪聲的情形
8.3.2帶噪聲的情形
8.4小結(jié)
第9章 自然圖像的高階統(tǒng)計特性
9.1非高斯性
9.2稀疏性
9.3稀疏編碼
9.3.1稀疏編碼模型
9.3.2統(tǒng)計理論背景
9.3.3學(xué)習(xí)規(guī)則
9.3.4學(xué)習(xí)結(jié)果
9.4自然圖像序列的稀疏編碼方法
9.4.1學(xué)習(xí)規(guī)則
9.4.2學(xué)習(xí)結(jié)果
9.5小結(jié)