《圖像分割的認知物理學方法》是2015年中國水利水電出版社出版的圖書，作者是吳濤。
基本介紹
- 書名：圖像分割的認知物理學方法
- 作者：吳濤
- ISBN：9787517028734
- 出版社：中國水利水電出版社
- 出版時間：2015-04-01
內容簡介,目錄,
內容簡介
本書在深入研究認知物理學理論的基礎上，探索了圖像分割的粒度原理、建立了圖像分割的認知物理學粒計算框架，並在該框架下針對特定的圖像分割問題研究了若干可行有效的新方法。具體針對目前圖像分割方法中存在的不確定性、準則依賴、低維等問題，研究其內在關係，吸收人類視覺認知機理和相關物理學的最新研究成果，將圖像分割納入到認知科學的研究範疇，研究認知物理學的基本理論及其關鍵技術，採用認知物理學的方法探索“數據——信息——知識”的圖像認知過程，揭示人類視覺認知思維中的簡化歸納規律，利用數據場實現圖像粒化，利用數據場的類譜系圖和數據質點的自適應遷移模型實現圖像粒化的計算，利用雲模型實現圖像不確定性粒化計算，最終闡明人類視覺認知機理，構建了圖像分割的認知物理學粒計算理論框架，針對具體套用問題研究出新的圖像分割方法，為圖像分割問題提供新的解決思路。同時，本書也為推動認知物理學的發展作出了持續的努力。
目錄
第1章緒論
1.1研究目的與意義
1.2國內外研究現狀及發展動態
1.2.1認知物理學的研究現狀及發展動態
1.2.2粒計算的研究現狀及發展動態
1.2.3圖像分割的研究現狀及發展動態
1.2.4圖像分割質量評價的研究現狀及發展動態
1.3本書的主要關注點
第2章認知物理學的理論與方法
2.1認知物理學的內涵
2.2數據場
2.2.1數據場的勢函式形態
2.2.2數據場的可視化方法
2.2.3數據場的影響因子
2.2.4動態數據場
2.3雲模型
2.3.1正向正態雲發生器
2.3.2逆向正態雲發生器
2.3.3雲模型與二型模糊集合的比較
2.4基於數據場的可變粒度層次結構
2.5本章小結
第3章圖像分割的認知物理學框架
3.1圖像分割與粒計算
3.1.1粒計算模型及其基本問題
3.1.2圖像分割的粒計算原理
3.2基於認知物理學粒計算模型的圖像分割框架
3.2.1認知物理學支持下的圖像分割粒計算模型
3.2.2與傳統粒計算模型的關係
3.3利用數據場的圖像粒化
3.3.1圖像數據場
3.3.2圖像特徵場
3.4利用可變粒度層次結構的圖像粒化計算
3.4.1圖像數據場的層次結構
3.4.2圖像特徵場的層次演化
3.4.3圖像粒的層次轉換
3.5利用雲模型的圖像不確定性粒化計算
3.5.1圖像數據場的不確定性分析
3.5.2圖像特徵場的不確定性演化
3.6本章小結
第4章圖像分割的多層次粒計算方法
4.1圖像過渡區提取與分割方法
4.1.1圖像過渡區概述
4.1.2融合局部特徵的圖像過渡區提取方法
4.1.3過渡區與圖像數據場
4.1.4IDfT方法描述與分析
4.1.5IDfT方法實驗結果與分析
4.2圖像同質區域分割方法
4.2.1同質區域與圖像數據場
4.2.2圖像同質吸引關係
4.2.3IDfH方法描述與分析
4.2.4IDfH方法與相關傳統方法的關係
4.2.5IDfH方法實驗結果與分析
4.3圖像不確定性分析的粗糙熵方法
4.3.1粗糙集圖像分析概述
4.3.2圖像不確定性表示的粗糙集方法
4.3.3自適應的粗糙粒度
4.3.4AREbIT方法描述與分析
4.3.5AREbIT方法實驗結果與分析
4.4圖像不確定性邊緣提取方法
4.4.1圖像邊緣提取概述
4.4.2邊緣與圖像數據場
4.4.3圖像邊緣的不確定性分析
4.4.4CDbE方法描述與分析
4.4.5CDbE方法實驗結果與分析
4.5本章小結
第5章圖像分割的多視角粒計算方法
5.1不確定性的圖像一維閾值分割方法
5.1.1多視角的圖像數據場
5.1.2圖像數據場在不同視角所反映的特徵
5.1.3CDbT方法描述與分析
5.1.4CDbT方法實驗結果與分析
5.2快速的圖像二維閾值分割方法
5.2.1圖像二維閾值分割概述
5.2.2圖像二維特徵場及其勢心
5.2.32DDF方法描述與分析
5.2.42DDF方法實驗結果與分析
5.3無顯式準則的圖像三維閾值分割方法
5.3.1圖像閾值分割的視覺特性
5.3.2圖像三維特徵場
5.3.3圖像三維特徵場的演化
5.3.43DDF方法描述與分析
5.3.53DDF方法的收斂性分析
5.3.63DDF方法實驗結果與分析
5.4無顯式準則的圖像高維分割方法
5.4.1圖像灰度與紋理特徵的融合
5.4.2圖像高維特徵場及其演化
5.4.3hDDF方法描述與分析
5.4.4hDDF方法實驗結果與分析
5.5本章小結
第6章利用認知物理學方法的圖像套用嘗試
6.1利用數據場的圖像特徵提取嘗試
6.1.1稀疏二值圖像特徵提取概述
6.1.2二值圖像數據場
6.1.3BDfF方法描述與分析
6.1.4BDfF方法時間複雜度及討論
6.1.5BDfF方法實驗結果與分析
6.2利用數據場的圖像分析框架
6.2.1圖像數據場變換
6.2.2IdfF圖像分析框架
6.2.3IdfF框架的參數設定策略
6.2.4IdfF算法分析與實驗設定
6.2.5IdfF框架實驗結果與分析
6.3利用雲模型的圖像特徵提取嘗試
6.3.1血細胞圖像特徵提取概述
6.3.2血細胞圖像的雲模型表示
6.3.3血細胞圖像特徵提取
6.3.4CbBT方法描述
6.3.5CbBT方法時間複雜度分析
6.3.6CbBT方法實驗結果與分析
6.4利用雲模型的圖像分析框架
6.4.1圖像不確定性表示
6.4.2CbRC方法描述與分析
6.4.3利用CbRC方法的改進統計閾值分割
6.4.4CbRC方法實驗結果與分析
6.5本章小結
第7章討論與研究展望
7.1圖像分割的認知物理學研究展望
7.2利用認知物理學的圖像套用研究展望
參考文獻
1.1研究目的與意義
1.2國內外研究現狀及發展動態
1.2.1認知物理學的研究現狀及發展動態
1.2.2粒計算的研究現狀及發展動態
1.2.3圖像分割的研究現狀及發展動態
1.2.4圖像分割質量評價的研究現狀及發展動態
1.3本書的主要關注點
第2章認知物理學的理論與方法
2.1認知物理學的內涵
2.2數據場
2.2.1數據場的勢函式形態
2.2.2數據場的可視化方法
2.2.3數據場的影響因子
2.2.4動態數據場
2.3雲模型
2.3.1正向正態雲發生器
2.3.2逆向正態雲發生器
2.3.3雲模型與二型模糊集合的比較
2.4基於數據場的可變粒度層次結構
2.5本章小結
第3章圖像分割的認知物理學框架
3.1圖像分割與粒計算
3.1.1粒計算模型及其基本問題
3.1.2圖像分割的粒計算原理
3.2基於認知物理學粒計算模型的圖像分割框架
3.2.1認知物理學支持下的圖像分割粒計算模型
3.2.2與傳統粒計算模型的關係
3.3利用數據場的圖像粒化
3.3.1圖像數據場
3.3.2圖像特徵場
3.4利用可變粒度層次結構的圖像粒化計算
3.4.1圖像數據場的層次結構
3.4.2圖像特徵場的層次演化
3.4.3圖像粒的層次轉換
3.5利用雲模型的圖像不確定性粒化計算
3.5.1圖像數據場的不確定性分析
3.5.2圖像特徵場的不確定性演化
3.6本章小結
第4章圖像分割的多層次粒計算方法
4.1圖像過渡區提取與分割方法
4.1.1圖像過渡區概述
4.1.2融合局部特徵的圖像過渡區提取方法
4.1.3過渡區與圖像數據場
4.1.4IDfT方法描述與分析
4.1.5IDfT方法實驗結果與分析
4.2圖像同質區域分割方法
4.2.1同質區域與圖像數據場
4.2.2圖像同質吸引關係
4.2.3IDfH方法描述與分析
4.2.4IDfH方法與相關傳統方法的關係
4.2.5IDfH方法實驗結果與分析
4.3圖像不確定性分析的粗糙熵方法
4.3.1粗糙集圖像分析概述
4.3.2圖像不確定性表示的粗糙集方法
4.3.3自適應的粗糙粒度
4.3.4AREbIT方法描述與分析
4.3.5AREbIT方法實驗結果與分析
4.4圖像不確定性邊緣提取方法
4.4.1圖像邊緣提取概述
4.4.2邊緣與圖像數據場
4.4.3圖像邊緣的不確定性分析
4.4.4CDbE方法描述與分析
4.4.5CDbE方法實驗結果與分析
4.5本章小結
第5章圖像分割的多視角粒計算方法
5.1不確定性的圖像一維閾值分割方法
5.1.1多視角的圖像數據場
5.1.2圖像數據場在不同視角所反映的特徵
5.1.3CDbT方法描述與分析
5.1.4CDbT方法實驗結果與分析
5.2快速的圖像二維閾值分割方法
5.2.1圖像二維閾值分割概述
5.2.2圖像二維特徵場及其勢心
5.2.32DDF方法描述與分析
5.2.42DDF方法實驗結果與分析
5.3無顯式準則的圖像三維閾值分割方法
5.3.1圖像閾值分割的視覺特性
5.3.2圖像三維特徵場
5.3.3圖像三維特徵場的演化
5.3.43DDF方法描述與分析
5.3.53DDF方法的收斂性分析
5.3.63DDF方法實驗結果與分析
5.4無顯式準則的圖像高維分割方法
5.4.1圖像灰度與紋理特徵的融合
5.4.2圖像高維特徵場及其演化
5.4.3hDDF方法描述與分析
5.4.4hDDF方法實驗結果與分析
5.5本章小結
第6章利用認知物理學方法的圖像套用嘗試
6.1利用數據場的圖像特徵提取嘗試
6.1.1稀疏二值圖像特徵提取概述
6.1.2二值圖像數據場
6.1.3BDfF方法描述與分析
6.1.4BDfF方法時間複雜度及討論
6.1.5BDfF方法實驗結果與分析
6.2利用數據場的圖像分析框架
6.2.1圖像數據場變換
6.2.2IdfF圖像分析框架
6.2.3IdfF框架的參數設定策略
6.2.4IdfF算法分析與實驗設定
6.2.5IdfF框架實驗結果與分析
6.3利用雲模型的圖像特徵提取嘗試
6.3.1血細胞圖像特徵提取概述
6.3.2血細胞圖像的雲模型表示
6.3.3血細胞圖像特徵提取
6.3.4CbBT方法描述
6.3.5CbBT方法時間複雜度分析
6.3.6CbBT方法實驗結果與分析
6.4利用雲模型的圖像分析框架
6.4.1圖像不確定性表示
6.4.2CbRC方法描述與分析
6.4.3利用CbRC方法的改進統計閾值分割
6.4.4CbRC方法實驗結果與分析
6.5本章小結
第7章討論與研究展望
7.1圖像分割的認知物理學研究展望
7.2利用認知物理學的圖像套用研究展望
參考文獻
