基于视觉机理的自然图像处理

　　本书借鉴人类视网膜、视皮层的信息处理机制及视觉心理认知组织准则，构建具有人类某些视觉功能特性的计算模型或方法，以机器视觉感知的自然环境信息——自然图像为处理对象，实现自然图像的显著性处理与自然环境的典型目标识别，为机器人自动导航提供视觉环境感知和信息选择性传输机制的可计算方法。基于视觉认知的自然图像目标识别属于神经生理学、认知心理学、生物物理学、计算机信息学以及自动化等众多学科交叉形成的新兴研究课题。作为交叉领域里的一项基础性研究工作，本书在研究方法与思路上有所突破，可供相关研究人员参考。

　　李作进，重庆大学控制理论与控制工程博士学位，新西兰Unitec国立理工学院计算机系博士后，重庆科技学院电气与信息工程学院副教授。主要从事智能认知计算、图像处理、汽车主动安全、水质在线分析等方向的研究。主持或承担了国家自然基金1项、省部级科研基金5项、校内人才基金4项、横向课题10余项。

目  录
1  绪  论    1
1.1  引  言    1
1.2  国内外相关领域的研究现状    2
2  视觉感知与认知组织的生物学依据    18
2.1  引  言    18
2.2  人类视觉感知与认知机理的相关依据    19
2.3  人类视觉的启发原则    37
2.4  本章小结    38
3  基于高斯金字塔结构的视网膜感知计算方法    39
3.1  引  言    39
3.2  相关研究工作    41
3.3  算法过程与描述    44
3.4  算法的实验结果与应用研究    48
3.5  结论与讨论    55
3.6  本章小结    56
4  受V1功能特性启发的目标轮廓特征提取计算模型    57
4.1  引  言    57
4.2  基于gabor核的积分变换    59
4.3  具有V1功能特性的目标轮廓提取模型与方法    62
4.4  复杂环境下自然图像的目标轮廓提取    66
4.5  结论与讨论    77
4.6  本章小结    78
5  受视觉“what”通路信息处理机制启发的目标识别计算模型
       79
5.1  引  言    79
5.2  视皮层信息处理机制与启发计算模型    81
5.3  算法验证与结果    87
5.4  结论与讨论    95
5.5  本章小结    96
6  一种有监督的流形认知目标识别方法    97
6.1  引  言    97
6.2  流形的数学定义与图像流形认知启发    99
6.3  局部线性嵌入（LLE）算法的思想与主要步骤    101
6.4  有监督的LLE算法（SLLE）    103
6.5  实验与结果    105
6.6  结论与讨论    109
6.7  本章小结    110
7  一种基于独立成分特征的自主发育认知目标识别方法    111
7.1  引  言    111
7.2  自然图像的特征提取方法    113
7.3  基于独立成分特征的发育认知图像识别方法    114
7.4  算法验证与结果    120
7.5  结论与讨论    125
7.6  本章小结    126
参考文献    127
附  录    146
后  记    167