本書試圖探索一個基本問題：人類視覺超凡脫俗的識別能力的基礎是什么？
隨著計算機技術的迅猛發展和網絡資源的無所不在，人們對數字圖像識別的需求越來越頻繁地出現在如圖像檢索、視頻監控、機器視覺、導航以及無人駕駛技術等實際工程和日常生活中，數字圖像識別的一個基本方法是依據圖像的像素值提取特征并利用這些特征來區分圖像。這樣，高維的圖像被壓縮并表達為低維的特征向量，這種采用特征向量而不是用原始像素值表示圖像的方法，其明顯好處是可以顯著地簡化圖像表示，但最重要的作用是利用特征向量可以加強圖像的低級特征和高級語義之間的關聯。因此，開發能夠有效表達圖像或感興趣的目標對象的本質屬性的特征提取方法是十分重要的，
在過去的數十年里，研究者已經開發出了大量的數字圖像特征提取方法，如主成分分析、線性判別分析、尺度不變特征變換、方向梯度直方圖，小波、特征包、空間金字塔匹配、卷積神經網絡、類視覺皮層機制分層模型、神經反應、局部神經反應以及基于對數極坐標變換的導出核（log-polar等，在這些方法中，由于簡單，主成分分析和線性判別分析成為最常用的全局方法。然而，在實際中許多數據集包含不能通過主成分分析和線性判別分析發現的重要的非線性結構。為了解決這個問題，非線性流形學習技術被開發出來，如局部線性嵌入、等距特征映射以及拉普拉斯特征映射等，這些非線性的方法能夠成功地獲得非線性流形的內在特征。
第1章 人類視覺與機器視覺 1
1.1 人類視覺系統 2
1 眼睛 3
2 神經系統 6
1.1.3 處理系統 7
1.2 計算機視覺系統 8
1.2.1 攝像機 10
1.2.2 計算機 12
1.2.3 圖像處理 14
1.2.4 研究現狀分析 15
1.3 數學系統 16
1.3.1 MATLAB軟件 17
1.3.2 圖像的數學表示及運算 19
1.4 小結 25
參考文獻 26
第2章經典神經反應及其數學表示 29
2.1 主要目的和基本思想 30
2.2 神經反應與導出核 31
2.2.1 預備知識 31
2.2.2 神經反應與導出核的構建 35
2.2.3 神經反應的門一化 38
2.3 神經反應的不變性 39
2.4 神經反應算法的復雜性 43
2.5 實驗及分析 45
2.5.1 MNIST手寫數字圖像數據庫上的實驗 45
2.5.2 手寫漢字圖像數據庫 50
2.5.3 Yale人臉圖像數據庫 54
2.6 小結 56
參考文獻 57
第3章 局部神經反應及其對圖像的特征表示 59
3.1 局部神經反應方法產生的背景 60
3.2 局部神經反應算法 62
3.2.1 符號和說明 62
3.2.2 方法的提出 63
3.2.3 局部神經反應和神經反應的區別. 70
3.3 局部神經反應方法的算法分析 72
3.3.1 局部神經反應方法的不變性 72
3.3.2 關于范圍壓縮問題 76
3.4 實驗結果與分析 78
3.4.1 MNIST數據庫上的實驗 78
3.4.2 在Yale人臉數據庫上的實驗 79
3.4.3Caltech人臉數據庫I：的實驗 80
3.5 小結 82
參考文獻 83
第4章 軟稀疏編碼神經反應及其應用 88
4.1 研究背景和主要工作 89
4.2 準備工作及神經反應的矩陣表示 93
4.2.1 相關記號 93
4.2.2 神經反應的矩陣表示 94
4.3 軟稀疏編碼神經反應 96
4.3.1 軟稀疏編碼的動機 96
4.3.2 軟稀疏編碼方法 98
4.4 實驗結果及分析 101
4.4.1 在MNIST數據庫上的實驗 101
4.4.2 在Caltech人臉數據庫I：的實驗 103
4.4.3 在Corel數據庫上的實驗 104
4.5 小結 106
參考文獻 107
第5章 特征傳導神經反應及其在圖像檢索中的應用 110
5.1 基于內容的圖像檢索 111
5.2 特征傳導神經反應 114
5.2.1 相關概念與記號 114
5.2.2 構建特征傳導神經反應. 116
5.2.3 特征傳導神經反應的算法復雜性 118
5.3 基于特征傳導神經反應的基于內容的圖像檢索方法 120
5.3.1 局部底層特征提取 121
5.3.2 相似性度量 122
5.3.3 關聯性反饋 123
5.4 實驗結果及分析 124
5.4.1 在Caltech人臉數據庫上的實驗 124
5.4.2 在Corel-1000數據庫上的實驗 128
5.5 小結 l33
參考文獻 134
第6章 神經反應中的模板選擇方法 137
6.1 “自下而上”的模板選擇方法 139
6.1.1 初始模板集的確定 139
6.1.2 Tu的確定 139
6.1.3 Tv的確定 141
6.2 “自上而下”的模板選擇方法 144
6.2.1 創建初始模板集 145
6.2.2 二級模板集Tv的構建 146
6.2.3 一級模板集Tu的構建 149
6.3 實驗結果 152
6.3.1 在MNIST I：的模板選擇實驗 153
6.3.2 在Caltech 101上的模板選擇實驗 155
6.3.3 在Corel的模板選擇實驗 158
6.4 小結 160
參考文獻 160
新書資訊