本书试图探索一个基本问题：人类视觉超凡脱俗的识别能力的基础是什么？
随着计算机技术的迅猛发展和网络资源的无所不在，人们对数字图像识别的需求越来越频繁地出现在如图像检索、视频监控、机器视觉、导航以及无人驾驶技术等实际工程和日常生活中，数字图像识别的一个基本方法是依据图像的像素值提取特征并利用这些特征来区分图像。这样，高维的图像被压缩并表达为低维的特征向量，这种采用特征向量而不是用原始像素值表示图像的方法，其明显好处是可以显著地简化图像表示，但最重要的作用是利用特征向量可以加强图像的低级特征和高级语义之间的关联。因此，开发能够有效表达图像或感兴趣的目标对象的本质属性的特征提取方法是十分重要的，
在过去的数十年里，研究者已经开发出了大量的数字图像特征提取方法，如主成分分析、线性判别分析、尺度不变特征变换、方向梯度直方图，小波、特征包、空间金字塔匹配、卷积神经网络、类视觉皮层机制分层模型、神经反应、局部神经反应以及基于对数极坐标变换的导出核（log-polar等，在这些方法中，由于简单，主成分分析和线性判别分析成为最常用的全局方法。然而，在实际中许多数据集包含不能通过主成分分析和线性判别分析发现的重要的非线性结构。为了解决这个问题，非线性流形学习技术被开发出来，如局部线性嵌入、等距特征映射以及拉普拉斯特征映射等，这些非线性的方法能够成功地获得非线性流形的内在特征。
第1章 人类视觉与机器视觉 1
1.1 人类视觉系统 2
1 眼睛 3
2 神经系统 6
1.1.3 处理系统 7
1.2 计算机视觉系统 8
1.2.1 摄像机 10
1.2.2 计算机 12
1.2.3 图像处理 14
1.2.4 研究现状分析 15
1.3 数学系统 16
1.3.1 MATLAB软件 17
1.3.2 图像的数学表示及运算 19
1.4 小结 25
参考文献 26
第2章经典神经反应及其数学表示 29
2.1 主要目的和基本思想 30
2.2 神经反应与导出核 31
2.2.1 预备知识 31
2.2.2 神经反应与导出核的构建 35
2.2.3 神经反应的门一化 38
2.3 神经反应的不变性 39
2.4 神经反应算法的复杂性 43
2.5 实验及分析 45
2.5.1 MNIST手写数字图像数据库上的实验 45
2.5.2 手写汉字图像数据库 50
2.5.3 Yale人脸图像数据库 54
2.6 小结 56
参考文献 57
第3章 局部神经反应及其对图像的特征表示 59
3.1 局部神经反应方法产生的背景 60
3.2 局部神经反应算法 62
3.2.1 符号和说明 62
3.2.2 方法的提出 63
3.2.3 局部神经反应和神经反应的区别. 70
3.3 局部神经反应方法的算法分析 72
3.3.1 局部神经反应方法的不变性 72
3.3.2 关于范围压缩问题 76
3.4 实验结果与分析 78
3.4.1 MNIST数据库上的实验 78
3.4.2 在Yale人脸数据库上的实验 79
3.4.3Caltech人脸数据库I：的实验 80
3.5 小结 82
参考文献 83
第4章 软稀疏编码神经反应及其应用 88
4.1 研究背景和主要工作 89
4.2 准备工作及神经反应的矩阵表示 93
4.2.1 相关记号 93
4.2.2 神经反应的矩阵表示 94
4.3 软稀疏编码神经反应 96
4.3.1 软稀疏编码的动机 96
4.3.2 软稀疏编码方法 98
4.4 实验结果及分析 101
4.4.1 在MNIST数据库上的实验 101
4.4.2 在Caltech人脸数据库I：的实验 103
4.4.3 在Corel数据库上的实验 104
4.5 小结 106
参考文献 107
第5章 特征传导神经反应及其在图像检索中的应用 110
5.1 基于内容的图像检索 111
5.2 特征传导神经反应 114
5.2.1 相关概念与记号 114
5.2.2 构建特征传导神经反应. 116
5.2.3 特征传导神经反应的算法复杂性 118
5.3 基于特征传导神经反应的基于内容的图像检索方法 120
5.3.1 局部底层特征提取 121
5.3.2 相似性度量 122
5.3.3 关联性反馈 123
5.4 实验结果及分析 124
5.4.1 在Caltech人脸数据库上的实验 124
5.4.2 在Corel-1000数据库上的实验 128
5.5 小结 l33
参考文献 134
第6章 神经反应中的模板选择方法 137
6.1 “自下而上”的模板选择方法 139
6.1.1 初始模板集的确定 139
6.1.2 Tu的确定 139
6.1.3 Tv的确定 141
6.2 “自上而下”的模板选择方法 144
6.2.1 创建初始模板集 145
6.2.2 二级模板集Tv的构建 146
6.2.3 一级模板集Tu的构建 149
6.3 实验结果 152
6.3.1 在MNIST I：的模板选择实验 153
6.3.2 在Caltech 101上的模板选择实验 155
6.3.3 在Corel的模板选择实验 158
6.4 小结 160
参考文献 160
新书资讯