注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络图形图像、多媒体、网页制作视频/音频/流媒体基于仿生视觉的图像处理方法及应用

基于仿生视觉的图像处理方法及应用

基于仿生视觉的图像处理方法及应用

定 价:¥69.00

作 者: 周开军
出版社: 电子工业出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787121349256 出版时间: 2019-01-01 包装: 平装
开本: 16开 页数: 168 字数:  

内容简介

  本书是作者及其团队近8年来基于仿生视觉的图像处理方法及应用的研究工作的总结,内容涉及图像视觉属性滤波和生物视觉启发变换模型,以及在车道线与车辆检测、交通标志牌检测和掌纹识别等领域的应用。书中论述以Max-tree为基础的视觉属性滤波器,对Max-tree的构建、枝剪和复原进行详细讨论。在此基础上,融合图像的连通区域面积、灰度值及形状等多个视觉属性,运用支持向量机对Max-tree节点进行多视觉属性分类,给出复杂视觉结构图像滤波方法。针对复杂环境下的车道线和车辆检测问题,探讨一种基于视频图像的车道线检测方法,给出基于HMAX仿生视觉模型的车辆检测算法流程。阐述一种受生物启发的图像特征提取方法,设计双生物启发变换网络,证明变换网络的旋转、平移及比例不变特性,实现复杂环境中的交通标志牌与掌纹特征提取。这些方法在实际应用中取得了明显的应用效果,实现了图像的仿生视觉处理过程,为解决复杂环境中的图像处理与识别问题起到了重要作用。相关方法能推动计算机视觉领域的认知科学、模式识别、计算生物学等前沿问题研究,可为我国仿生视觉及人工智能研究提供借鉴和参考。本书可作为高等院校人工智能、模式识别、计算机科学与技术等专业的研究生或高年级本科生的专业基础课程的辅助教材,亦可供广大从事人工智能、计算机视觉、图像处理、模式识别研究与应用领域的科技工作者、高校师生阅读和参考。

作者简介

  周开军,湖南商学院计算机与信息工程学院副教授,湖南省电子信息研究会理事。主持了国家自然科学基金青年项目"无限场景中的矿物浮选泡沫图像形态抽样表征方法研究”(61304253)、国家留学基金项目"图像时空上下文模式建模与目标识别”(201408430135)、湖南省教育厅重点项目"非接触式掌纹图像定位与分割方法研究”(15A100)、湖南省自然科学基金青年项目"多元知识驱动的混态粘连图像自学习分割方法研究”(13JJ4093)。湖南省自然科学基金面上项目:移动商务授权中的几何形变掌纹识别方法研究(2018JJ2197)。参与国家自然科学基金项目"面向安全认证的掌纹掌脉特征融合识别方法研究”(61471170)。作为技术负责人,承担了校企合作项目"矿物浮选泡沫图像视觉监控系统开发”、"面向移动商务授权的掌纹识别系统开发”。

图书目录

第1章  绪论 1
1.1  图像视觉属性滤波方法的研究现状 2
1.1.1  基础形态学滤波器 2
1.1.2  广义形态学滤波器 3
1.1.3  Max-tree视觉属性滤波器 4
1.1.4  连通滤波方法的研究现状 5
1.2  车道线与车辆检测方法的研究现状 6
1.2.1  车道线检测方法的研究现状 6
1.2.2  车辆检测方法的研究现状 6
1.3  掌纹图像识别方法的研究现状 8
1.4  仿生视觉算法的研究现状 9
1.5  本书章节安排 11
第2章  基于Max-tree的图像视觉属性滤波方法 13
2.1  Max-tree的滤波规则 13
2.1.1  最小规则 14
2.1.2  直接规则 16
2.1.3  最大规则 17
2.1.4  减法规则 19
2.2  图像复原 20
2.2.1  最小规则复原 20
2.2.2  直接规则复原 22
2.2.3  最大规则复原 23
2.2.4  减法规则复原 23
2.3  二值图像面积属性滤波 23
2.4  灰度图像属性滤波 27
2.4.1  面积滤波 29
2.4.2  灰度值滤波 33
2.4.3  最小包围矩形滤波 37
2.5  滤波器性能比较 40
2.6  本章小结 41
第3章  基于多变量视觉属性分类的图像滤波方法 43
3.1  Max-tree构造与滤波规则 43
3.2  基于多变量属性分类规则的连通滤波算法 44
3.2.1  基于多变量属性的Max-tree构造 44
3.2.2  基于SVM的Max-tree节点属性分类算法 46
3.3  实验与分析 47
3.3.1  Max-tree的不同枝剪规则的性能比较 47
3.3.2  不同滤波方法的性能比较 49
3.3.3  多变量属性分类规则在掌纹与掌脉图像分割中的应用 51
3.4  本章小结 54
第4章  基于边缘与线条视觉信息的车道线检测方法 55
4.1  图像预处理 55
4.1.1  摄像头相关参数 55
4.1.2  系统参数设置 56
4.2  边缘提取与直线检测 59
4.2.1  边缘提取设计 59
4.2.2  直线检测设计 61
4.3  车道线检测方案设计 61
4.3.1  车道线模型设计 62
4.3.2  车道线候选对象的筛选 62
4.3.3  样条曲线拟合 63
4.3.4  重建车道区域 64
4.3.5  更新区域 65
4.4  系统总体设计 66
4.4.1  OpenCV简介 66
4.4.2  系统的流程设计 67
4.5  实验结果与分析 67
4.5.1  分步结果分析 68
4.5.2  结果分析 69
4.6  本章小结 72
第5章  基于HMAX仿生视觉模型的车辆检测方法 73
5.1  标准模型和HMAX模型 73
5.1.1  标准模型 73
5.1.2  HMAX模型 75
5.2  HMAX模型的层次结构 75
5.2.1  HMAX模型概述 75
5.2.2  HMAX模型的结构 76
5.2.3  HMAX模型的特点 77
5.2.4  HMAX模型存在的问题 77
5.2.5  HMAX模型分析 78
5.3  实验过程 79
5.3.1  实验环境构建 79
5.3.2  对自然场景下的图像进行特征提取 81
5.3.3  对简单场景下的车辆进行特征提取 82
5.4  实验结果与分析 83
5.5  本章小结 85
第6章  基于仿生视觉感知的交通标志牌检测方法 86
6.1  生物启发变换的RST不变属性特征提取框架 86
6.2  基于filter-filter结构的方向边缘检测方法 87
6.2.1  Gabor函数的图像滤波 88
6.2.2  融合双极滤波器与Gabor滤波器的方向边缘检测方法 88
6.3  空间的间距检测 90
6.4  仿真实验与分析 92
6.4.1  RST不变属性特征提取的有效性分析 93
6.4.2  RST不变属性特征提取方法的性能比较分析 95
6.4.3  过程参数的选取分析 100
6.5  提出的方法在交通标志牌识别中的应用 102
6.6  本章小结 105
第7章  基于生物启发变换的掌纹识别 106
7.1  BIT特征提取框架 106
7.2  相关的基础理论 107
7.2.1  Gabor滤波器池 107
7.2.2  基于相位一致性的方向边缘检测 108
7.3  提出的方法 109
7.3.1  方向边缘检测 109
7.3.2  局部空间频率检测 111
7.4  掌纹匹配方法 113
7.5  实验结果与分析 113
7.5.1  掌纹数据库和实验环境 113
7.5.2  有效性分析 115
7.5.3  掌纹验证 118
7.5.4  掌纹识别 122
7.6  本章小结 124
第8章  基于双生物启发变换网络的鲁棒掌纹图像识别 125
8.1  双生物启发变换网络框架 125
8.2  提出的方法 127
8.2.1  视觉信息处理机制 127
8.2.2  Gabor滤波器组 129
8.2.3  基于相位一致性的边缘检测算法 129
8.2.4  用于方向边缘检测的双极滤波器 129
8.2.5  局部空间频率双检测算子 131
8.3  掌纹匹配算法 136
8.4  实验结果与分析 137
8.4.1  掌纹数据库和实验环境 137
8.4.2  特征不变性和选择性分析 139
8.4.3  掌纹验证 141
8.4.4  掌纹辨识 144
8.5  本章小结 145
第9章  总结与展望 146
9.1  多视觉属性的图像形态滤波方法总结与展望 146
9.2  车道线与车辆检测方法总结与展望 147
9.3  车辆与车道线的仿生检测方法总结与展望 148
参考文献 149

本目录推荐