基于仿生視覺的圖像處理方法及應(yīng)用

定　價：￥69.00

作　者：	周開軍
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121349256	出版時間：	2019-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	168	字數(shù)：

內(nèi)容簡介

　　本書是作者及其團隊近8年來基于仿生視覺的圖像處理方法及應(yīng)用的研究工作的總結(jié)，內(nèi)容涉及圖像視覺屬性濾波和生物視覺啟發(fā)變換模型，以及在車道線與車輛檢測、交通標志牌檢測和掌紋識別等領(lǐng)域的應(yīng)用。書中論述以Max-tree為基礎(chǔ)的視覺屬性濾波器，對Max-tree的構(gòu)建、枝剪和復(fù)原進行詳細討論。在此基礎(chǔ)上，融合圖像的連通區(qū)域面積、灰度值及形狀等多個視覺屬性，運用支持向量機對Max-tree節(jié)點進行多視覺屬性分類，給出復(fù)雜視覺結(jié)構(gòu)圖像濾波方法。針對復(fù)雜環(huán)境下的車道線和車輛檢測問題，探討一種基于視頻圖像的車道線檢測方法，給出基于HMAX仿生視覺模型的車輛檢測算法流程。闡述一種受生物啟發(fā)的圖像特征提取方法，設(shè)計雙生物啟發(fā)變換網(wǎng)絡(luò)，證明變換網(wǎng)絡(luò)的旋轉(zhuǎn)、平移及比例不變特性，實現(xiàn)復(fù)雜環(huán)境中的交通標志牌與掌紋特征提取。這些方法在實際應(yīng)用中取得了明顯的應(yīng)用效果，實現(xiàn)了圖像的仿生視覺處理過程，為解決復(fù)雜環(huán)境中的圖像處理與識別問題起到了重要作用。相關(guān)方法能推動計算機視覺領(lǐng)域的認知科學、模式識別、計算生物學等前沿問題研究，可為我國仿生視覺及人工智能研究提供借鑒和參考。本書可作為高等院校人工智能、模式識別、計算機科學與技術(shù)等專業(yè)的研究生或高年級本科生的專業(yè)基礎(chǔ)課程的輔助教材，亦可供廣大從事人工智能、計算機視覺、圖像處理、模式識別研究與應(yīng)用領(lǐng)域的科技工作者、高校師生閱讀和參考。

作者簡介

　　周開軍，湖南商學院計算機與信息工程學院副教授，湖南省電子信息研究會理事。主持了國家自然科學基金青年項目"無限場景中的礦物浮選泡沫圖像形態(tài)抽樣表征方法研究”（61304253）、國家留學基金項目"圖像時空上下文模式建模與目標識別”（201408430135）、湖南省教育廳重點項目"非接觸式掌紋圖像定位與分割方法研究”（15A100）、湖南省自然科學基金青年項目"多元知識驅(qū)動的混態(tài)粘連圖像自學習分割方法研究”（13JJ4093）。湖南省自然科學基金面上項目：移動商務(wù)授權(quán)中的幾何形變掌紋識別方法研究（2018JJ2197）。參與國家自然科學基金項目"面向安全認證的掌紋掌脈特征融合識別方法研究”（61471170）。作為技術(shù)負責人，承擔了校企合作項目"礦物浮選泡沫圖像視覺監(jiān)控系統(tǒng)開發(fā)”、"面向移動商務(wù)授權(quán)的掌紋識別系統(tǒng)開發(fā)”。

圖書目錄

第1章緒論 1
1．1 圖像視覺屬性濾波方法的研究現(xiàn)狀 2
1．1．1 基礎(chǔ)形態(tài)學濾波器 2
1．1．2 廣義形態(tài)學濾波器 3
1．1．3 Max-tree視覺屬性濾波器 4
1．1．4 連通濾波方法的研究現(xiàn)狀 5
1．2 車道線與車輛檢測方法的研究現(xiàn)狀 6
1．2．1 車道線檢測方法的研究現(xiàn)狀 6
1．2．2 車輛檢測方法的研究現(xiàn)狀 6
1．3 掌紋圖像識別方法的研究現(xiàn)狀 8
1．4 仿生視覺算法的研究現(xiàn)狀 9
1．5 本書章節(jié)安排 11
第2章基于Max-tree的圖像視覺屬性濾波方法 13
2．1 Max-tree的濾波規(guī)則 13
2．1．1 最小規(guī)則 14
2．1．2 直接規(guī)則 16
2．1．3 最大規(guī)則 17
2．1．4 減法規(guī)則 19
2．2 圖像復(fù)原 20
2．2．1 最小規(guī)則復(fù)原 20
2．2．2 直接規(guī)則復(fù)原 22
2．2．3 最大規(guī)則復(fù)原 23
2．2．4 減法規(guī)則復(fù)原 23
2．3 二值圖像面積屬性濾波 23
2．4 灰度圖像屬性濾波 27
2．4．1 面積濾波 29
2．4．2 灰度值濾波 33
2．4．3 最小包圍矩形濾波 37
2．5 濾波器性能比較 40
2．6 本章小結(jié) 41
第3章基于多變量視覺屬性分類的圖像濾波方法 43
3．1 Max-tree構(gòu)造與濾波規(guī)則 43
3．2 基于多變量屬性分類規(guī)則的連通濾波算法 44
3．2．1 基于多變量屬性的Max-tree構(gòu)造 44
3．2．2 基于SVM的Max-tree節(jié)點屬性分類算法 46
3．3 實驗與分析 47
3．3．1 Max-tree的不同枝剪規(guī)則的性能比較 47
3．3．2 不同濾波方法的性能比較 49
3．3．3 多變量屬性分類規(guī)則在掌紋與掌脈圖像分割中的應(yīng)用 51
3．4 本章小結(jié) 54
第4章基于邊緣與線條視覺信息的車道線檢測方法 55
4．1 圖像預(yù)處理 55
4．1．1 攝像頭相關(guān)參數(shù) 55
4．1．2 系統(tǒng)參數(shù)設(shè)置 56
4．2 邊緣提取與直線檢測 59
4．2．1 邊緣提取設(shè)計 59
4．2．2 直線檢測設(shè)計 61
4．3 車道線檢測方案設(shè)計 61
4．3．1 車道線模型設(shè)計 62
4．3．2 車道線候選對象的篩選 62
4．3．3 樣條曲線擬合 63
4．3．4 重建車道區(qū)域 64
4．3．5 更新區(qū)域 65
4．4 系統(tǒng)總體設(shè)計 66
4．4．1 OpenCV簡介 66
4．4．2 系統(tǒng)的流程設(shè)計 67
4．5 實驗結(jié)果與分析 67
4．5．1 分步結(jié)果分析 68
4．5．2 結(jié)果分析 69
4．6 本章小結(jié) 72
第5章基于HMAX仿生視覺模型的車輛檢測方法 73
5．1 標準模型和HMAX模型 73
5．1．1 標準模型 73
5．1．2 HMAX模型 75
5．2 HMAX模型的層次結(jié)構(gòu) 75
5．2．1 HMAX模型概述 75
5．2．2 HMAX模型的結(jié)構(gòu) 76
5．2．3 HMAX模型的特點 77
5．2．4 HMAX模型存在的問題 77
5．2．5 HMAX模型分析 78
5．3 實驗過程 79
5．3．1 實驗環(huán)境構(gòu)建 79
5．3．2 對自然場景下的圖像進行特征提取 81
5．3．3 對簡單場景下的車輛進行特征提取 82
5．4 實驗結(jié)果與分析 83
5．5 本章小結(jié) 85
第6章基于仿生視覺感知的交通標志牌檢測方法 86
6．1 生物啟發(fā)變換的RST不變屬性特征提取框架 86
6．2 基于filter-filter結(jié)構(gòu)的方向邊緣檢測方法 87
6．2．1 Gabor函數(shù)的圖像濾波 88
6．2．2 融合雙極濾波器與Gabor濾波器的方向邊緣檢測方法 88
6．3 空間的間距檢測 90
6．4 仿真實驗與分析 92
6．4．1 RST不變屬性特征提取的有效性分析 93
6．4．2 RST不變屬性特征提取方法的性能比較分析 95
6．4．3 過程參數(shù)的選取分析 100
6．5 提出的方法在交通標志牌識別中的應(yīng)用 102
6．6 本章小結(jié) 105
第7章基于生物啟發(fā)變換的掌紋識別 106
7．1 BIT特征提取框架 106
7．2 相關(guān)的基礎(chǔ)理論 107
7．2．1 Gabor濾波器池 107
7．2．2 基于相位一致性的方向邊緣檢測 108
7．3 提出的方法 109
7．3．1 方向邊緣檢測 109
7．3．2 局部空間頻率檢測 111
7．4 掌紋匹配方法 113
7．5 實驗結(jié)果與分析 113
7．5．1 掌紋數(shù)據(jù)庫和實驗環(huán)境 113
7．5．2 有效性分析 115
7．5．3 掌紋驗證 118
7．5．4 掌紋識別 122
7．6 本章小結(jié) 124
第8章基于雙生物啟發(fā)變換網(wǎng)絡(luò)的魯棒掌紋圖像識別 125
8．1 雙生物啟發(fā)變換網(wǎng)絡(luò)框架 125
8．2 提出的方法 127
8．2．1 視覺信息處理機制 127
8．2．2 Gabor濾波器組 129
8．2．3 基于相位一致性的邊緣檢測算法 129
8．2．4 用于方向邊緣檢測的雙極濾波器 129
8．2．5 局部空間頻率雙檢測算子 131
8．3 掌紋匹配算法 136
8．4 實驗結(jié)果與分析 137
8．4．1 掌紋數(shù)據(jù)庫和實驗環(huán)境 137
8．4．2 特征不變性和選擇性分析 139
8．4．3 掌紋驗證 141
8．4．4 掌紋辨識 144
8．5 本章小結(jié) 145
第9章總結(jié)與展望 146
9．1 多視覺屬性的圖像形態(tài)濾波方法總結(jié)與展望 146
9．2 車道線與車輛檢測方法總結(jié)與展望 147
9．3 車輛與車道線的仿生檢測方法總結(jié)與展望 148
參考文獻 149