基本介紹
- 書名：智慧型視感學
- 作者：張秀彬
- 出版社：中國水利水電出版社
- 出版時間：2010年03月
- 定價：32 元
- 開本：16 開
- ISBN：9787508472911
概要,內容簡介,圖書目錄,
概要
智慧型視感（Intellectual Visual Perception，IVP）是一種非接觸式感測的概念，是一種基於全新的科學概念來實現對景物圖像的認識、理解的方法與技術。從總的技術範疇來講，智慧型視感技術屬於檢測技術領域，所以在工程套用中往往直接稱其為視感智慧型檢測。
從20世紀60年代中期開始，圖像感測及其信號處理的理論與技術已經引起世界學術界的高度重視，因為這是一項新興技術，也是一門從圖像所富含的信息中感知、認識與理解自然現象及其客觀規律的科學。
雖然現實世界中的物體是三維的（乃至多維的），但是通過圖像感測器所獲得的景物圖像卻是二維的。如何從二維圖像中獲取三維信息，進而感知三維世界，正是計算機科學有關圖像信息特徵提取、信號分析與原形再現的研究內容，其間存在著無窮無盡的知識需要人們去探索和研究。
圖像感測及其信號處理，與人的眼睛和大腦對外界景物圖像的感知過程極為相似。本文基於以下三大方面的思考使用“視感”的概念。
首先，計算機視覺也好，機器視覺也好，都是沿用了人類對人體生命科學尚不發達時期所生成的生理器官術語“視覺”而形成，顯然缺乏深層次的物理和生理科學的內涵；儘管“視感”與“視覺”僅有一字之差，但是前者卻已充分顯現出人腦器官對信息拾取所起到的重要且不可替代的作用。
其次，“視感”概念的提出，將智慧型機器對外部景物進行認識和理解的整個運動過程分解為圖像感測和視圖感知兩大部分。圖像感測相當於人的眼睛及其視網膜上的桿狀和椎狀細胞，直接與外界通過光線進行聯繫，從而對周圍環境作出最直接、最迅速的反應；視圖感知相當於人腦中樞，由視網膜細胞產生信號傳送至大腦的視感知區，來讀取、分析光的信號，從而知道物體的遠近、大小、顏色、形狀等具體信息，還可以將成像進行聯想、翻轉等等。不難想見，僅憑視圖感知器，而沒有圖像感測器就無法獲取圖像信息，這好比一個人的大腦中視覺中樞完好，但是沒有眼睛及其視網膜，或者眼睛與視網膜已經損壞，是無法感知周圍的景物圖像及其信息；同樣，僅憑圖像感測器也是無法完成機器對外界景物形象的感知，這好比一個人即使眼睛及其視網膜完好，但是大腦的視覺中樞不健全或者視感神經缺損，仍然致盲。換句話說，要真正實現“基於機器視覺”的非接觸式檢測必須通過圖像感測器和視圖感知器的完美結合才能得以完成，這就是“視感”二字的由來。
最後，從“視感”的角度出發來闡述智慧型機器對圖像信息的分析和理解過程，能夠科學地將“圖像分析”與“機器視覺”有機地融合起來。這是因為，圖像分析和機器視覺是相關而又不同的兩個研究領域。從某種意義上說，圖像分析是機器視覺的一部分；然而，從另一種意義上說，圖像分析又是一門更寬廣的學科。
內容簡介
《智慧型視感學》從計算機視感及其信號處理的基本概念與基礎理論出發，闡述基於圖像信息的識別、理解和檢測技術原理與方法。全書分為基礎篇與套用篇兩大部分，其中，基礎篇系統地介紹了智慧型視感的基本原理、方法、關鍵技術及其算法；套用篇則由配合主要基礎理論和方法的套用技術實例所組成。全書遵循理論知識與實用技術的緊密結合、數學方法與實用效果的相互印證等編寫原則。《智慧型視感學》涉及的教學內容，主要包括圖像處理基礎、攝像機數學模型、視感識別算法、視感檢測原理、智慧型視感實用技術等。
《智慧型視感學》可以作為檢測與控制、自動化、計算機、機器人及人工智慧等專業的高年級本科生和研究生的教材，同時也可作為專業技術人員的參考工具書。
圖書目錄
前言
基礎篇
第1章 導論
1.1 概述
1.1.1 視感概念
1.1.2 視感技術發展史略
1.1.3 視感系統分類
1.2 視感技術硬體基礎
1.2.1 圖像感測
1.2.1.1 常用圖像感測器
1.2.1.2 CCD圖像感測器的物理特性
1.2.1.3 攝像機技術特點
1.2.1.4 攝像機選用原則與設定方法
1.2.2 圖像採集
1.2.2.1 圖像採集卡類型
1.2.2.2 圖像採集卡基本性能
1.2.3 視感系統對計算機的配置要求
1.2.3.1 硬體配置
1.2.3.2 數據通信接口
習題
第2章 圖像處理基礎
2.1 灰度圖像的基本處理方法
2.1.1 空間域增強算法
2.1.1.1 空間域點運算
2.1.1.2 圖像平滑
2.1.1.3 圖像銳化
2.1.2 頻率域增強算法
2.1.2.1 低通濾波增強算法——頻率域平滑法
2.1.2.2 高通濾波增強算法——頻率域銳化法
2.2 灰度圖像邊緣檢測
2.2.1 門限化邊緣檢測
2.2.2 基於梯度的邊緣檢測
2.2.3 邊緣檢測Laplacian運算元
2.2.4 Carmy邊緣運算元
2.2.5 數學形態學法
2.2.6 其他算法的簡要介紹
2.3 圖像二值化處理與圖像分割方法
2.3.1 概述
2.3.2 基於直方圖谷點門限的圖像二值化方法
2.3.3 OTSU算法
2.3.4 最小誤差圖像分割法
2.4 彩色圖像增強
2.4.1 彩色空間及其變換
2.4.1.1 彩色空間描述
2.4.1.2 彩色空間變換
2.4.2 彩色圖像色階直方圖均衡化
2.5 彩色圖像的邊緣檢測
2.5.1 基於梯度極值的彩色圖像邊緣檢測
2.5.2 彩色圖像邊緣檢測實用方法
習題
第3章 攝像機數學模型
3.1 圖像空問幾何變換
3.1.1 齊次坐標
3.1.2 正交變換和剛體變換
3.1.3 相似變換和仿射變換
3.1.4 透視變換
3.2 圖像坐標及其變換
3.2.1 圖像坐標系
3.2.2 圖像坐標變換
3.2.2.1 攝像機坐標線性變換
3.2.2.2 圖像畸變描述
3.3 攝像機參數標定的常用方法
3.3.1 分步標定法
3.3.2 基於多個自由平面的標定算法
3.3.3 非線性畸變參數標定法
習題
第4章 視感識別算法
4.1 圖像特徵提取與識別算法
4.1.1 決策理論方法
4.1.1.1 線性判別函式
4.1.1.2 最小距離分類函式
4.1.1.3 最近鄰域分類函式
4.1.1.4 非線性判別函式
4.1.2 統計分類法
4.1.2.1 貝葉斯法則
4.1.2.2 最小錯誤率的貝葉斯分類法
4.1.2.3 最小風險的貝葉斯分類法
4.1.3 圖像識別過程特徵分類判別相似度
4.2 主分量分析一
4.2.1 主分量分析原理
4.2.1.1 K—L變換
4.2.1.2 K—L變換性質
4.2.2 核主分量分析
4.2.2.1 核函式
4.2.2.2 核函式類型
4.2.2.3 核主分量
4.2.3 基於主分量分析的圖像識別
4.3 支持向量機
4.3.1 統計學習理論的主要內容
4.3.1.1 學習過程一致性條件
4.3.1.2 VC維理論
4.3.2 分類支持向量機
4.3.2.1 支持向量機的體系結構
4.3.2.2 最優分類超平面
4.3.2.3 最優分類超平面的求取方法
4.3.3 非線性回歸問題求解
4.3.3.1 e-不敏感損失函式
4.3.3.2 用於非線性回歸的支持向量機
4.3.4 支持向量機的算法
4.3.4.1 處理大數據集的SVM訓練算法
4.3.4.2 序貫最小最佳化算法
4.3.5 基於支持向量機的圖像特徵識別
4.4 不變矩與歸一化轉動慣量
4.4.1 矩理論
4.4.1.1 空間矩和中心矩
4.4.1.2 不變矩
4.4.1.3 矩的套用
4.4.2 歸一化轉動慣量(NMI)
4.4.2.1 NMI特徵定義
4.4.2.2 NMI識別算法
4.4.2.3 基於灰度權重的NMI快速匹配
4.5 模板匹配及其相似度
4.5.1 模板匹配的空間域描述
4.5.1.1 第一類相似度——誤差
4.5.1.2 第二類相似度——互相關
4.5.1.3 空間域模板匹配的進一步討論
4.5.2 模板匹配的頻域描述
4.5.2.1 第三類相似度——相位頻譜方法
4.5.2.2 傅立葉一梅林相似度
4.6 基於顏色特徵的目標識別
4.6.1 圖像色度學處理
4.6.1.1 偏色處理
4.6.1.2 彩色空間轉換
4.6.1.3 計算彩色圖像的統計特徵
4.6.2 建立顏色特徵池
4.6.2.1 顏色特徵池基本概念及其集合特性
4.6.2.2.顏色特徵池的初始化
4.6.2.3 基於顏色特徵池的目標景象切割
4.6.3 基於顏色的目標識別
4.7 圖像模糊識別方法
4.7.1 模糊內容特徵及其模糊相似度
4.7.1.1 模糊內容特徵表示方法
4.7.1.2 基於模糊內容特徵的相似度計算
4.7.2 模糊結構提取
4.7.2.1 圖像二叉樹切割
4.7.2.2 模糊特徵提取
4.7.2.3 基於模糊相似度的節點匹配
……
第5章 視感檢測原理
5.1 單視幾何與單目視感檢測原理
5.2 雙目視感檢測原理
5.3 多目視感檢測理論基礎
習題
套用篇
第6章 智慧型視感實用技術
6.1 橋樑限載自動監控系統及其方法
6.2 鋼坯號智慧型識別系統
6.3 基於圖像信息的紙幣清分技術
6.4 車輛智慧型防撞技術
6.5 交通信號燈視感智慧型控制
習題
附錄
Ⅰ最小二乘及在視感檢測中的常用算法
Ⅰ.1 算法基本思想
Ⅰ.2 視感檢測中常用的最小二乘算法
Ⅱ貝葉斯決策理論與方法
Ⅱ.1 概述
Ⅱ.2 貝葉斯分類決策模型
Ⅲ統計學習與VC維理論
Ⅲ.1 邊界理論與VC維原理
Ⅲ.2 推廣能力邊界
Ⅲ.3 結構風險最小化歸納原理
Ⅳ關於約束非線性規劃問題最優解條件
Ⅳ.1 Kuhn-Tucker條件
Ⅳ.2 Karush-Kuhn-Tucker條件
術語索引
參考文獻
……
