图像识别是模式识别的重要分支，在计算机视觉领域有着广泛的应用。近几年来，分层学习算法得到了高度关注，成为机器学习和图像识别领域研究的热点之一。结合国内外最新的研究成果，胡政发、翁競著的《神经反应及其在图像识别中的应用》系统地介绍基于层次结构模型的神经反应及其各种推广形式的学习算法，并将其应用到图像识别中。首先对人类视觉特性和机器视觉特征进行对比与概述，接下来重点介绍经典神经反应、局部神经反应、软稀疏编码神经反应以及特征传导神经反应等。最后，对神经反应中的一个关键因素，即模板选择方法进行一些积极探索。本书还提供大量的仿真实验，对各种不同的算法进行多角度、全方位的测试和验证。 本书对神经反应相关理论及其在图像识别中的应用进行全面、系统、详尽的阐述，可作为从事机器学习和图像识别等相关理论与方法研究的科研工作者和研究生的参考书。

第1章 人类视觉与机器视觉
1.1 人类视觉系统
1.1.1 眼睛
1.1.2 神经系统
1.1.3 处理系统
1.2 计算机视觉系统
1.2.1 摄像机
1.2.2 计算机
1.2.3 图像处理
1.2.4 研究现状分析
1.3 数学系统
1.3.1 MATLAB软件
1.3.2 图像的数学表示及运算
1.4 小结
参考文献
第2章 经典神经反应及其数学表示
2.1 主要目的和基本思想
2.2 神经反应与导出核
2.2.1 预备知识
2.2.2 神经反应与导出核的构建
2.2.3 神经反应的归一化
2.3 神经反应的不变性
2.4 神经反应算法的复杂性
2.5 实验及分析
2.5.1 MNIST手写数字图像数据库上的实验
2.5.2 手写汉字图像数据库
2.5.3 Yale人脸图像数据库
2.6 小结
参考文献
第3章 局部神经反应及其对图像的特征表示
3.1 局部神经反应方法产生的背景
3.2 局部神经反应算法
3.2.1 符号和说明
3.2.2 方法的提出
3.2.3 局部神经反应和神经反应的区别
3.3 局部神经反应方法的算法分析
3.3.1 局部神经反应方法的不变性
3.3.2 关于范围压缩问题
3.4 实验结果与分析
3.4.1 MNIST数据库上的实验
3.4.2 在Yale人脸数据库上的实验
3.4.3 Caltech人脸数据库上的实验
3.5 小结
参考文献
第4章 软稀疏编码神经反应及其应用
4.1 研究背景和主要工作
4.2 准备工作及神经反应的矩阵表示
4.2.1 相关记号
4.2.2 神经反应的矩阵表示
4.3 软稀疏编码神经反应
4.3.1 软稀疏编码的动机
4.3.2 软稀疏编码方法
4.4 实验结果及分析
4.4.1 在MNIST数据库上的实验
4.4.2 在Caltech人脸数据库上的实验
4.4.3 在Corel数据库上的实验
4.5 小结
参考文献
第5章 特征传导神经反应及其在图像检索中的应用
5.1 基于内容的图像检索
5.2 特征传导神经反应
5.2.1 相关概念与记号
5.2.2 构建特征传导神经反应
5.2.3 特征传导神经反应的算法复杂性
5.3 基于特征传导神经反应的基于内容的图像检索方法
5.3.1 局部底层特征提取
5.3.2 相似性度量
5.3.3 关联性反馈
5.4 实验结果及分析
5.4.1 在Caltech人脸数据库上的实验
5.4.2 在Corel-1000数据库上的实验
5.5 小结
参考文献
第6章 神经反应中的模板选择方法
6.1 “自下而上”的模板选择方法
6.1.1 初始模板集的确定
6.1.2 Tu的确定
6.1.3 Tv的确定
6.2 “自上而下”的模板选择方法
6.2.1 创建初始模板集
6.2.2 二级模板集Tv的构建
6.2.3 一级模板集Tu的构建
6.3 实验结果
6.3.1 在MNIST上的模板选择实验
6.3.2 在Caltech 101上的模板选择实验
6.3.3 在Corel上的模板选择实验
6.4 小结
参考文献