計算機視覺中的相關濾波跟蹤和圖像質量評價

第1章緒論(1)
1.1視頻目標檢測(1)
1.1.1域自適應算法和漸進自學習框架（2）
1.1.2基于域自適應學習的目標檢測（2）
1.2相關濾波跟蹤(3)
1.2.1基于多峰響應的抗遮擋相關濾波跟蹤方法（5）
1.2.2自適應特征選擇的相關濾波跟蹤方法（5）
1.2.3基于孿生神經網絡的抗形變相關濾波目標跟蹤方法（6）
1.3圖像質量評價(7)
1.3.1全參考圖像質量評價方法簡介（7）
1.3.2半參考圖像質量評價方法簡介（8）
1.3.3無參考圖像質量評價方法簡介（9）
1.4本章小結(10)
第2章域自適應算法及漸進自學習框架(11)
2.1引言(11)
2.2基于語義對齊的域自適應算法(12)
2.2.1域自適應方法（12）
2.2.2基于深度學習的圖像語義提?。?5）
2.3視覺域適應中的語義一致性約束(17)
2.3.1CSTN網絡結構（17）
2.3.2CSTN損失函數（18）
2.4基于CSTN的漸進自學習框架(20)
2.4.1背景建模算法（21）
2.4.2雙邊界YOLO檢測模型（23）
2.4.3在線漸進優(yōu)化算法（25）
2.5本章小結(26)
第3章基于域自適應學習的視頻目標檢測(28)
3.1引言(28)
3.2視頻目標檢測研究現(xiàn)狀(29)
3.2.1經典視頻目標檢測（29）
3.2.2特定場景目標檢測（31）
3.2.3遷移學習（32）
3.2.4域自適應（33）
3.3神經網絡和機器學習(33)
3.3.1神經網絡的基本組成（33）
3.3.2損失函數與反向傳播（35）
3.3.3深度模型中的優(yōu)化（36）
3.4基于卷積神經網絡的目標檢測框架(37)
3.4.1卷積神經網絡的基本原理（37）
3.4.2目標檢測算法（39）
3.4.3YOLO（41）
3.5網絡架構細節(jié)(43)
3.5.1網絡架構（43）
3.5.2cycleGAN預訓練（43）
3.5.3超參數設置（43）
3.6實驗結果與分析(44)
3.6.1數據集與評價指標（44）
3.6.2行人檢測實驗（46）
3.7本章小結(55)
第4章基于多峰響應的抗遮擋相關濾波跟蹤(57)
4.1引言(57)
4.2目標跟蹤算法概述(59)
4.2.1基于傳統(tǒng)相關濾波框架跟蹤（60）
4.2.2基于尺度自適應的相關濾波跟蹤（61）
4.2.3基于深度學習的相關濾波跟蹤（62）
4.3核化相關濾波跟蹤算法(62)
4.3.1一維嶺回歸（63）
4.3.2循環(huán)矩陣（63）
4.3.3核相關濾波（65）
4.3.4目標快速檢測（67）
4.3.5尺度更新策略（67）
4.3.6模型更新（68）
4.4遮擋處理(69)
4.5數據集與評價指標(72)
4.5.1精度（72）
4.5.2成功率（72）
4.5.3一次通過性評估和魯棒性評估（73）
4.6實驗結果與實驗分析(73)
4.6.1實驗環(huán)境（74）
4.6.2實驗分析（74）
4.7本章小結(79)
第5章自適應特征選擇的相關濾波跟蹤(80)
5.1引言(80)
5.2傳統(tǒng)特征目標描述(82)
5.2.1顏色特征（82）
5.2.2梯度統(tǒng)計直方圖特征（83）
5.3深度特征目標描述(85)
5.3.1卷積核與卷積操作（85）
5.3.2卷積神經網絡模型（86）
5.3.3深度特征提取（87）
5.3.4融合深度特征（88）
5.4自適應特征選擇分析(90)
5.4.1傳統(tǒng)特征和深度特征跟蹤性能分析（90）
5.4.2自適應選擇特征（91）
5.5實驗結果分析(93)
5.5.1與單特征相關濾波跟蹤算法比較（93）
5.5.2與其他優(yōu)秀相關濾波跟蹤算法比較（94）
5.6本章小結(101)
第6章基于孿生神經網絡的抗形變相關濾波跟蹤(102)
6.1引言(102)
6.2孿生神經網絡結構(104)
6.2.1相似度（104）
6.2.2孿生神經網絡（105）
6.2.3損失函數計算（107）
6.3改進的孿生神經網絡結構(108)
6.3.1改進的方法（108）
6.3.2濾波層設計（109）
6.3.3反向傳播（110）
6.4孿生神經網絡訓練(111)
6.5融合多核特征(112)
6.6實驗結果與分析(113)
6.7本章小結(119)
第7章全參考圖像質量評價方法(120)
7.1引言(120)
7.2圖像質量評價概述(121)
7.2.1圖像質量評價應用（121）
7.2.2圖像質量評價方法框架（122）
7.2.3全參考圖像質量評價方法發(fā)展概況（126）
7.3基于結構相似度的圖像質量評價方法(126)
7.3.1基于誤差敏感度的圖像質量評價方法（127）
7.3.2結構相似度理論（128）
7.3.3結構相似度特征圖譜（130）
7.4顯著性特征圖譜與結構相似度相結合的評價方法(131)
7.4.1顯著性特征圖譜的定義（131）
7.4.2視覺顯著性特征圖譜與結構相似度結合算法描述（132）
7.5實驗結果總結與分析(135)
7.5.1TID2008圖像數據庫簡介（135）
7.5.2KRCC和SRCC（135）
7.5.3實驗結果與說明（136）
7.6本章小結(147)
第8章半參考圖像質量評價方法(149)
8.1引言(149)
8.1.1分類（150）
8.1.2研究重點（151）
8.1.3缺點（152）
8.2直方圖之間的EMD(152)
8.2.1傳統(tǒng)的EMD（152）
8.2.2基于權重的EMD（153）
8.3使用EMD的圖像質量評價(154)
8.3.1基于SIFT特征局部EMD的圖像質量評價（154）
8.3.2基于顯著性特征全局EMD的圖像質量評價（155）
8.3.3圖像質量的整體評價（156）
8.4實驗結果及評價(156)
8.5本章小結(159)
第9章無參考圖像質量評價方法(161)
9.1引言(161)
9.2圖像質量評價特征表示(163)
9.2.1尺度不變性特征變換（163）
9.2.2曲波變換（166）
9.2.3融合特征度量的實現(xiàn)（167）
9.3無參考圖像質量預測(169)
9.3.1模糊化（170）
9.3.2分類（171）
9.3.3去模糊化（174）
9.4實驗結果與分析(174)
9.4.1數據庫介紹（174）
9.4.2評價指標（176）
9.4.3實驗結果與分析（177）
9.5本章小結(179)
參考文獻(181)