视觉信息认知计算理论

前言
第1章 概述
1.1 基于感知机理的机器学习方法
1.2 基于有效编码假说的初级特征表示
1.2.1 有效编码假说
1.2.2 模拟人类方式的有效编码与特征表示
1.3 视觉表象的中级特征表示
1.4 初级视觉表象启发下的知觉组织
1.5 注意机制
1.6 智能计算模型在场景识别中的应用
参考文献
第2章 基于视觉感知的特征表示
2.1 视觉感知
2.1.1 外部环境的输入刺激
2.1.2 神经信息处理机制
2.1.3 视觉感知的输出
2.2 生物视觉感知的生理结构
2.2.1 外周脑
2.2.2 初级视皮层
2.2.3 纹外皮层
2.2.4 高级视皮层
2.3 生物视觉感知的计算模型
2.3.1 简单细胞响应模型
2.3.2 复杂细胞响应模型
2.3.3 高级皮层神经细胞响应模型
2.4 生物视觉启发的特征表示及其应用
2.4.1 独立纹元矩
2.4.2 独立纹元矩的图像检索实验
2，5 本章小结
参考文献
第3章 基于有效编码假说的低层特征表示
3.1 有效编码框架
3.2 基于稀疏性的有效编码方法——稀疏编码
3.2.1 Olshausen的稀疏编码模型
3.2.2 基于稀疏编码的压缩传感
3.3 基于独立性的有效编码
3.3.1 独立分量分析
3.3.2 基于独立分量分析的视觉模型
3.3.3 Hyvarinen研究小组的成果
3.4 基于慢变性的有效编码方法——慢变特征分析
3.4.1 慢变特征分析简介
3.4.2 慢变特征分析的实现
3.4.3 慢变特征分析与复杂细胞特性
3.4.4 慢变特征分析在手写体识别中的应用
3.5 本章小结
参考文献
第4章 流形学习
4.1 概述
4.2 局部保持流形学习算法分析
4.2.1 局部保持的流形学习算法的基本步骤
4.2.2 几种典型的局部保持的流形学习算法
4.2.3 局部保持的流形学习算法对比
4.2.4 全局线性化局部保持的流形学习算法
4.2.5 局部保持的流形学习算法实验比较
4.3 全局保持的流形学习算法分析
4.3.1 几种典型的全局保持流形学习算法
4.3.2 全局保持的流形学习算法对比
4.3.3 全局保持的流形学习算法的实验比较.
4.4 图嵌入框架
4.4.1 图嵌入框架
4.4.2 图嵌入框架下的主成分分析
4.4.3 图嵌入框架下的判别分析
4.4.4 邻域判别分析
4.5 本章小结
参考文献
第5章 半监督学习
5.1 半监督学习和人类学习
5.2 半监督学习概况
5.2.1 半监督学习的概念
5.2.2 半监督学习的历史
5.2.3 未标记数据起作用的条件
5.3 半监督多视图学习算法
5.3.1 协同训练算法
5.3.2 最大化一致算法
5.3.3 多视图特征映射算法
5.4 半监督学习的应用
5.4.1 文本分类中的半监督学习
5.4.2 图像分割中的半监督学习
5.5 本章小结
参考文献
第6章 聚类
6.1 概述
6.2 经典聚类算法
6.2.1 划分法
6.2.2 层次法
6.3 聚类算法中的关键问题
6.3.1 距离度量问题
6.3.2 聚类数目
6.4 聚类分析与算法
6.4.1 谱聚类
6.4.2 异质聚类
6.4.3 基于消息传递的聚类算法
6.4.4 关于二元相似关系的假设
6.5 聚类分析在计算机视觉感知研究中的应用
6.5.1 图像分割
6.5.2 图像聚类
6.6 本章小结
参考文献
第7章 知觉组织
7.1 认知心理学的相关研究成果
7.1.1 格式塔知觉组织规则
7.1.2 视觉完形
7.1.3 非偶然性原则
7.2 无监督的知觉组织方法
7.2.1 编组线索的描述
7.2.2 图分割
7.2.3 张量投票
7.3 基于主动轮廓的知觉组织方法
7.3.1 气球模型
7.3.2 距离势能模型
7.3.3 GVF模型和GGVF模型
7.3.4 T-Snake模型
7.3.5 有形状先验的水平集方法
7.4 本章小结
参考文献
第8章 模拟视觉注意机制的感知模型
8.1 注意机制概述
8.2 基于空间的注意机制
8.2.1 模拟自底向上视觉注意机制的感知模型
8.2.2 模拟自顶向下视觉注意机制的感知模型
8.3 基于目标的注意机制
8.3.1 实验依据
8.3.2 基于目标的选择性注意计算模型
8.4 基于what和where信息的视觉感知模型
8.4.1 模型框架
8.4.2 视觉通路理论
8.4.3 what信息和where信息的提取与表示
8.4.4 基于一级where信息的预注意
8.4.5 一级where信息驱动的集中注意
8.4.6 what信息与where信息的结合
8.4.7 实验结果与分析
8.5 本章小结
参考文献