《基於仿生視覺的圖像處理方法及套用》2019年1月電子工業出版社出版的圖書，作者是周開軍、周鮮成、余伶俐。
基本介紹
- 中文名：基於仿生視覺的圖像處理方法及套用
- 作者：周開軍、周鮮成、余伶俐
- 出版社：電子工業出版社
- 出版時間：2019年1月
- 頁數：168 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121349256
內容簡介,圖書目錄,
內容簡介
本書是作者及其團隊近8年來基於仿生視覺的圖像處理方法及套用的研究工作的總結，內容涉及圖像視覺屬性濾波和生物視覺啟發變換模型，以及在車道線與車輛檢測、交通標誌牌檢測和掌紋識別等領域的套用。書中論述以Max-tree為基礎的視覺屬性濾波器，對Max-tree的構建、枝剪和復原進行詳細討論。在此基礎上，融合圖像的連通區域面積、灰度值及形狀等多個視覺屬性，運用支持向量機對Max-tree節點進行多視覺屬性分類，給出複雜視覺結構圖像濾波方法。針對複雜環境下的車道線和車輛檢測問題，探討一種基於視頻圖像的車道線檢測方法，給出基於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的圖像特徵提取方法，設計雙生物啟發變換網路，證明變換網路的旋轉、平移及比例不變特性，實現複雜環境中的交通標誌牌與掌紋特徵提取。這些方法在實際套用中取得了明顯的套用效果，實現了圖像的仿生視覺處理過程，為解決複雜環境中的圖像處理與識別問題起到了重要作用。
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狀 2
1.1.1 基礎形態學濾波器 2
1.1.2 廣義形態學濾波器 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狀 5
1.2 車道線與車輛檢測方法的研究現狀 6
1.2.1 車道線檢測方法的研究現狀 6
1.2.2 車輛檢測方法的研究現狀 6
1.3 掌紋圖像識別方法的研究現狀 8
1.4 仿生視覺算法的研究現狀 9
1.5 本書章節安排 11
第2章 基於Max-tree的圖像視覺屬性濾波方法 13
2.1 Max-tree的濾波規則 13
2.1.1 最小規則 14
2.1.2 直接規則 16
2.1.3 最大規則 17
2.1.4 減法規則 19
2.2 圖像復原 20
2.2.1 最小規則復原 20
2.2.2 直接規則復原 22
2.2.3 最大規則復原 23
2.2.4 減法規則復原 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 41
第3章 基於多變數視覺屬性分類的圖像濾波方法 43
3.1 Max-tree構造與濾波規則 43
3.2 基於多變數屬性分類規則的連通濾波算法 44
3.2.1 基於多變數屬性的Max-tree構造 44
3.2.2 基於SVM的Max-tree節點屬性分類算法 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 多變數屬性分類規則在掌紋與掌脈圖像分割中的套用 51
3.4 本章小結 54
第4章 基於邊緣與線條視覺信息的車道線檢測方法 55
4.1 圖像預處理 55
4.1.1 攝像頭相關參數 55
4.1.2 系統參數設定 56
4.2 邊緣提取與直線檢測 59
4.2.1 邊緣提取設計 59
4.2.2 直線檢測設計 61
4.3 車道線檢測方案設計 61
4.3.1 車道線模型設計 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 重建車道區域 64
4.3.5 更新區域 65
4.4 系統總體設計 66
4.4.1 OpenCV簡介 66
4.4.2 系統的流程設計 67
4.5 實驗結果與分析 67
4.5.1 分步結果分析 68
4.5.2 結果分析 69
4.6 本章小結 72
第5章 基於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模型的層次結構 75
5.2.1 HMAX模型概述 75
5.2.2 HMAX模型的結構 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 實驗環境構建 79
5.3.2 對自然場景下的圖像進行特徵提取 81
5.3.3 對簡單場景下的車輛進行特徵提取 82
5.4 實驗結果與分析 83
5.5 本章小結 85
第6章 基於仿生視覺感知的交通標誌牌檢測方法 86
6.1 生物啟發變換的RST不變屬性特徵提取框架 86
6.2 基於filter-filter結構的方向邊緣檢測方法 87
6.2.1 Gabor函式的圖像濾波 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不變屬性特徵提取的有效性分析 93
6.4.2 RST不變屬性特徵提取方法的性能比較分析 95
6.4.3 過程參數的選取分析 100
6.5 提出的方法在交通標誌牌識別中的套用 102
6.6 本章小結 105
第7章 基於生物啟發變換的掌紋識別 106
7.1 BIT特徵提取框架 106
7.2 相關的基礎理論 107
7.2.1 Gabor濾波器池 107
7.2.2 基於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 實驗結果與分析 113
7.5.1 掌紋資料庫和實驗環境 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 124
第8章 基於雙生物啟發變換網路的魯棒掌紋圖像識別 125
8.1 雙生物啟發變換網路框架 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 基於相位一致性的邊緣檢測算法 129
8.2.4 用於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運算元 131
8.3 掌紋匹配算法 136
8.4 實驗結果與分析 137
8.4.1 掌紋資料庫和實驗環境 137
8.4.2 特徵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 145
第9章 總結與展望 146
9.1 多視覺屬性的圖像形態濾波方法總結與展望 146
9.2 車道線與車輛檢測方法總結與展望 147
9.3 車輛與車道線的仿生檢測方法總結與展望 148
參考文獻 149
