《智慧型視覺感知技術》是2019年04月科學出版社出版的圖書，作者是李良福。
基本介紹
- 書名：智慧型視覺感知技術
- 作者：李良福
- ISBN：9787030579294
- 頁數：266
- 定價：108.00元
- 出版社：科學出版社
- 出版時間：2019年04月
- 裝幀：平裝
- 開本：B5
內容簡介,圖書目錄,
內容簡介
本書旨在從理論和技術上深入介紹智慧型視覺感知技術的原理、技術、前沿研究內容和智慧型視覺感知技術在諸多領域的典型套用，為在讀研究生和工程技術人員學習基於計算機的機器視覺處理的理論、技術和相關套用奠定基礎。本書的主要內容包括智慧型視覺感知技術概述、攝像機標定、視覺跟蹤、目標檢測、圖像拼接與鑲嵌、圖像增強、電子穩像、圖像融合、基於深度學習的視覺感知技術、基於SLAM的三維重建與視覺導航算法、ROS機器人作業系統等。本書從理論與實踐、算法與編程等方面對智慧型視覺感知技術的研究深入淺出進行介紹，對目前國內外最新研究前沿熱點進行分析，並提出未來的發展方向。
圖書目錄
目錄
前言
第1章 緒論 1
1.1 人類視覺的研究 1
1.1.1 人類視覺成像原理 1
1.1.2 視覺信息的產生 2
1.1.3 視覺信息的傳遞 2
1.1.4 視感覺信息的處理 3
1.1.5 視知覺信息的處理 3
1.1.6 人類視覺的認知過程 4
1.1.7 視覺注意機制研究 4
1.2 計算機視覺技術 6
1.2.1 馬爾的視覺計算理論框架 6
1.2.2 多視幾何立體感知 6
1.3 多源信息融合技術 8
1.3.1 多感測器信息融合的優勢 8
1.3.2 信息融合方法 8
1.4 基於深度學習的智慧型感知技術 9
1.4.1 人工智慧的發展歷程 9
1.4.2 基於大數據的深度學習方法 11
第2章 攝像機標定 14
2.1 概述 14
2.2 攝像機模型 15
2.3 標定算法 17
2.3.1 預標定圖像的尺度因子 18
2.3.2 確定相機中心 18
2.3.3 標定其他攝像機參數 20
2.4 實驗結果 22
2.4.1 圖像的校正效果實驗 22
2.4.2 標定參數的精度驗算 23
第3章 視覺跟蹤 26
3.1 視覺跟蹤算法的原理 26
3.2 視覺跟蹤研究架構 28
3.2.1 統計方法在視覺跟蹤中的研究現狀 28
3.2.2 由下向上的研究方法 29
3.2.3 由上向下的研究方法 30
3.3 Mean shift視覺跟蹤算法 35
3.3.1 顏色特徵統計方法 35
3.3.2 目標模型的表示 35
3.3.3 候選模型的表示 36
3.3.4 基於Bhattacharyya係數的相似性度量 36
3.3.5 核密度梯度估計 38
3.3.6 Mean shift算法的計算複雜度分析 39
3.3.7 Mean shift疊代求解局部最優值的性能分析 40
3.3.8 實驗結果 41
3.4 基於Bhattacharyya係數由粗到精的核匹配搜尋方法 44
3.4.1 由粗到精的核匹配搜尋算法原理 44
3.4.2 實驗結果 46
3.5 基於統計特徵最大後驗機率的視覺跟蹤算法 48
3.5.1 視覺跟蹤中圖像匹配問題的描述 49
3.5.2 圖像特徵分析 50
3.5.3 最大後驗機率指標 51
3.5.4 最大後驗機率指標分析 52
3.5.5 最大後驗機率指標的主要特點 52
3.5.6 算法計算複雜度分析 54
3.5.7 算法性能分析 55
3.5.8 實驗結果 55
3.6 基於變解析度的自適應視窗目標跟蹤方法研究 60
3.6.1 基於變解析度的自適應視窗目標跟蹤方法 61
3.6.2 實驗結果 63
3.7 基於粒子濾波的目標跟蹤算法研究 65
3.7.1 粒子濾波原理 65
3.7.2 基於後驗機率的粒子濾波算法 66
3.7.3 實驗結果 68
3.8 基於TLD的目標跟蹤算法 69
3.8.1 算法構成 69
3.8.2 跟蹤模組 70
3.8.3 檢測模組 71
3.8.4 學習模組 72
第4章 目標檢測 74
4.1 運動目標檢測算法 74
4.1.1 背景匹配技術 74
4.1.2 幀間運動目標檢測 76
4.1.3 基於混合高斯分布的背景估計模型 79
4.2 基於參數統計的目標檢測 83
4.2.1 目標識別中的邊緣檢測算法 84
4.2.2 基於Hough變換的直線檢測算法研究 86
4.2.3 基於隨機Hough變換的圓檢測算法研究 90
第5章 圖像拼接與鑲嵌 99
5.1 尺度不變特徵變換算法 99
5.1.1 SIFT特徵提取 99
5.1.2 基於k-d樹的特徵點匹配 103
5.1.3 圖像誤匹配對的消除 105
5.2 圖像變換模型 105
5.2.1 平移變換 106
5.2.2 旋轉變換 106
5.2.3 縮放變換 106
5.2.4 相似變換 106
5.2.5 仿射變換 107
5.2.6 透射變換 107
5.3 多相機圖像拼接技術 108
5.4 圖像鑲嵌技術 109
5.5 無縫圖像拼接融合 110
5.5.1 平均值法 111
5.5.2 多解析度樣條技術 112
5.5.3 漸入漸出法 112
5.5.4 基於自適應梯度域的圖像無縫鑲嵌方法 113
5.6 漸暈現象的理論分析與消除方法 118
5.6.1 圖像漸暈現象分類 118
5.6.2 漸暈校正方法 120
5.6.3 漸暈模型及基本假設 124
5.6.4 漸暈自動校準 124
5.7 存在局部運動目標的鑲嵌重影去除方法 130
5.7.1 重影目標邊緣檢測 130
5.7.2 馬爾科夫隨機場 131
5.7.3 輪廓特徵點匹配 132
5.7.4 最優拼接縫的尋找 133
5.8 鑲嵌圖像質量評價方法 139
第6章 圖像增強 141
6.1 圖像增強技術的研究意義 141
6.2 基於空域濾波的圖像平滑方法研究 142
6.3 基於灰度變換的圖像增強算法研究 143
6.4 基於變解析度的直方圖均衡化圖像增強算法研究 145
6.4.1 基於變解析度的圖像直方圖統計分析 146
6.4.2 基於變解析度的圖像直方圖均衡增強算法 148
6.5 基於對比度受限自適應直方圖均衡的圖像增強算法 150
6.6 Retinex圖像增強方法 151
6.6.1 Retinex理論研究現狀 153
6.6.2 中心環繞Retinex方法 154
6.6.3 實驗結果量化比較分析 157
6.7 基於超解析度圖像序列重建的圖像增強算法研究 157
6.7.1 超解析度圖像重建的意義 157
6.7.2 超解析度重建的原理 159
6.7.3 基於亞像素配準的運動估計 160
6.7.4 圖像觀測數學模型 162
6.7.5 圖像超解析度重建實驗結果 163
6.8 深度圖像增強算法 164
6.8.1 結構特徵提取 165
6.8.2 基於結構特徵的聯合雙邊濾波 165
6.8.3 基於馬爾科夫隨機場的深度圖像增強 166
6.8.4 實驗結果 168
第7章 電子穩像 171
7.1 光流法思想 171
7.2 光流運動矢量計算 172
7.3 基於Harris角點的光流運動估計的電子穩像 173
7.3.1 Harris檢測運算元 173
7.3.2 特徵區域的選擇 176
7.3.3 多解析度策略的實現 177
7.4 基於光流運動矢量估計的穩像質量評價 179
第8章 圖像融合 182
8.1 圖像融合前端處理 183
8.1.1 多源成像感測器及融合算法的選擇 183
8.1.2 圖像的預處理 186
8.2 紅外與可見光圖像的配準 189
8.2.1 圖像配準的基本概念及現狀 189
8.2.2 多源圖像的配準 192
8.3 多源圖像融合 194
8.3.1 圖像融合方法的現狀 194
8.3.2 圖像融合規則 195
8.3.3 基於Laplace金字塔分解的圖像融合算法 198
8.3.4 基於小波變換的圖像融合算法 199
8.3.5 實驗結果 205
8.4 融合圖像質量評價 206
8.4.1 主觀融合評價 206
8.4.2 客觀融合評價 207
第9章 基於深度學習的視覺感知技術 216
9.1 概述 216
9.2 深度學習 218
9.2.1 人工智慧發展概述 218
9.2.2 機器學習 219
9.2.3 特徵的表達 220
9.2.4 深度學習的基本原理 222
9.2.5 淺層學習和深度學習 222
9.2.6 深度學習與神經網路的區別與聯繫 223
9.2.7 深度學習的訓練過程 225
9.2.8 深度學習模型 226
9.2.9 深度學習未來與展望 238
第10章 基於SLAM的三維重建與視覺導航算法 240
10.1 點雲配準 240
10.1.1 配準技術涉及的幾何特徵 241
10.1.2 點雲配準數學理論 245
10.1.3 疊代最近點算法 247
10.1.4 RANSAC配準算法 248
10.1.5 實驗結果與分析 250
10.2 機器人同時定位與建圖SLAM技術 254
10.2.1 SLAM原理 254
10.2.2 SLAM的主要方法 254
10.2.3 SLAM的套用 256
第11章 ROS機器人作業系統 259
11.1 ROS簡介 259
11.2 ROS特點 259
參考文獻 264
前言
第1章 緒論 1
1.1 人類視覺的研究 1
1.1.1 人類視覺成像原理 1
1.1.2 視覺信息的產生 2
1.1.3 視覺信息的傳遞 2
1.1.4 視感覺信息的處理 3
1.1.5 視知覺信息的處理 3
1.1.6 人類視覺的認知過程 4
1.1.7 視覺注意機制研究 4
1.2 計算機視覺技術 6
1.2.1 馬爾的視覺計算理論框架 6
1.2.2 多視幾何立體感知 6
1.3 多源信息融合技術 8
1.3.1 多感測器信息融合的優勢 8
1.3.2 信息融合方法 8
1.4 基於深度學習的智慧型感知技術 9
1.4.1 人工智慧的發展歷程 9
1.4.2 基於大數據的深度學習方法 11
第2章 攝像機標定 14
2.1 概述 14
2.2 攝像機模型 15
2.3 標定算法 17
2.3.1 預標定圖像的尺度因子 18
2.3.2 確定相機中心 18
2.3.3 標定其他攝像機參數 20
2.4 實驗結果 22
2.4.1 圖像的校正效果實驗 22
2.4.2 標定參數的精度驗算 23
第3章 視覺跟蹤 26
3.1 視覺跟蹤算法的原理 26
3.2 視覺跟蹤研究架構 28
3.2.1 統計方法在視覺跟蹤中的研究現狀 28
3.2.2 由下向上的研究方法 29
3.2.3 由上向下的研究方法 30
3.3 Mean shift視覺跟蹤算法 35
3.3.1 顏色特徵統計方法 35
3.3.2 目標模型的表示 35
3.3.3 候選模型的表示 36
3.3.4 基於Bhattacharyya係數的相似性度量 36
3.3.5 核密度梯度估計 38
3.3.6 Mean shift算法的計算複雜度分析 39
3.3.7 Mean shift疊代求解局部最優值的性能分析 40
3.3.8 實驗結果 41
3.4 基於Bhattacharyya係數由粗到精的核匹配搜尋方法 44
3.4.1 由粗到精的核匹配搜尋算法原理 44
3.4.2 實驗結果 46
3.5 基於統計特徵最大後驗機率的視覺跟蹤算法 48
3.5.1 視覺跟蹤中圖像匹配問題的描述 49
3.5.2 圖像特徵分析 50
3.5.3 最大後驗機率指標 51
3.5.4 最大後驗機率指標分析 52
3.5.5 最大後驗機率指標的主要特點 52
3.5.6 算法計算複雜度分析 54
3.5.7 算法性能分析 55
3.5.8 實驗結果 55
3.6 基於變解析度的自適應視窗目標跟蹤方法研究 60
3.6.1 基於變解析度的自適應視窗目標跟蹤方法 61
3.6.2 實驗結果 63
3.7 基於粒子濾波的目標跟蹤算法研究 65
3.7.1 粒子濾波原理 65
3.7.2 基於後驗機率的粒子濾波算法 66
3.7.3 實驗結果 68
3.8 基於TLD的目標跟蹤算法 69
3.8.1 算法構成 69
3.8.2 跟蹤模組 70
3.8.3 檢測模組 71
3.8.4 學習模組 72
第4章 目標檢測 74
4.1 運動目標檢測算法 74
4.1.1 背景匹配技術 74
4.1.2 幀間運動目標檢測 76
4.1.3 基於混合高斯分布的背景估計模型 79
4.2 基於參數統計的目標檢測 83
4.2.1 目標識別中的邊緣檢測算法 84
4.2.2 基於Hough變換的直線檢測算法研究 86
4.2.3 基於隨機Hough變換的圓檢測算法研究 90
第5章 圖像拼接與鑲嵌 99
5.1 尺度不變特徵變換算法 99
5.1.1 SIFT特徵提取 99
5.1.2 基於k-d樹的特徵點匹配 103
5.1.3 圖像誤匹配對的消除 105
5.2 圖像變換模型 105
5.2.1 平移變換 106
5.2.2 旋轉變換 106
5.2.3 縮放變換 106
5.2.4 相似變換 106
5.2.5 仿射變換 107
5.2.6 透射變換 107
5.3 多相機圖像拼接技術 108
5.4 圖像鑲嵌技術 109
5.5 無縫圖像拼接融合 110
5.5.1 平均值法 111
5.5.2 多解析度樣條技術 112
5.5.3 漸入漸出法 112
5.5.4 基於自適應梯度域的圖像無縫鑲嵌方法 113
5.6 漸暈現象的理論分析與消除方法 118
5.6.1 圖像漸暈現象分類 118
5.6.2 漸暈校正方法 120
5.6.3 漸暈模型及基本假設 124
5.6.4 漸暈自動校準 124
5.7 存在局部運動目標的鑲嵌重影去除方法 130
5.7.1 重影目標邊緣檢測 130
5.7.2 馬爾科夫隨機場 131
5.7.3 輪廓特徵點匹配 132
5.7.4 最優拼接縫的尋找 133
5.8 鑲嵌圖像質量評價方法 139
第6章 圖像增強 141
6.1 圖像增強技術的研究意義 141
6.2 基於空域濾波的圖像平滑方法研究 142
6.3 基於灰度變換的圖像增強算法研究 143
6.4 基於變解析度的直方圖均衡化圖像增強算法研究 145
6.4.1 基於變解析度的圖像直方圖統計分析 146
6.4.2 基於變解析度的圖像直方圖均衡增強算法 148
6.5 基於對比度受限自適應直方圖均衡的圖像增強算法 150
6.6 Retinex圖像增強方法 151
6.6.1 Retinex理論研究現狀 153
6.6.2 中心環繞Retinex方法 154
6.6.3 實驗結果量化比較分析 157
6.7 基於超解析度圖像序列重建的圖像增強算法研究 157
6.7.1 超解析度圖像重建的意義 157
6.7.2 超解析度重建的原理 159
6.7.3 基於亞像素配準的運動估計 160
6.7.4 圖像觀測數學模型 162
6.7.5 圖像超解析度重建實驗結果 163
6.8 深度圖像增強算法 164
6.8.1 結構特徵提取 165
6.8.2 基於結構特徵的聯合雙邊濾波 165
6.8.3 基於馬爾科夫隨機場的深度圖像增強 166
6.8.4 實驗結果 168
第7章 電子穩像 171
7.1 光流法思想 171
7.2 光流運動矢量計算 172
7.3 基於Harris角點的光流運動估計的電子穩像 173
7.3.1 Harris檢測運算元 173
7.3.2 特徵區域的選擇 176
7.3.3 多解析度策略的實現 177
7.4 基於光流運動矢量估計的穩像質量評價 179
第8章 圖像融合 182
8.1 圖像融合前端處理 183
8.1.1 多源成像感測器及融合算法的選擇 183
8.1.2 圖像的預處理 186
8.2 紅外與可見光圖像的配準 189
8.2.1 圖像配準的基本概念及現狀 189
8.2.2 多源圖像的配準 192
8.3 多源圖像融合 194
8.3.1 圖像融合方法的現狀 194
8.3.2 圖像融合規則 195
8.3.3 基於Laplace金字塔分解的圖像融合算法 198
8.3.4 基於小波變換的圖像融合算法 199
8.3.5 實驗結果 205
8.4 融合圖像質量評價 206
8.4.1 主觀融合評價 206
8.4.2 客觀融合評價 207
第9章 基於深度學習的視覺感知技術 216
9.1 概述 216
9.2 深度學習 218
9.2.1 人工智慧發展概述 218
9.2.2 機器學習 219
9.2.3 特徵的表達 220
9.2.4 深度學習的基本原理 222
9.2.5 淺層學習和深度學習 222
9.2.6 深度學習與神經網路的區別與聯繫 223
9.2.7 深度學習的訓練過程 225
9.2.8 深度學習模型 226
9.2.9 深度學習未來與展望 238
第10章 基於SLAM的三維重建與視覺導航算法 240
10.1 點雲配準 240
10.1.1 配準技術涉及的幾何特徵 241
10.1.2 點雲配準數學理論 245
10.1.3 疊代最近點算法 247
10.1.4 RANSAC配準算法 248
10.1.5 實驗結果與分析 250
10.2 機器人同時定位與建圖SLAM技術 254
10.2.1 SLAM原理 254
10.2.2 SLAM的主要方法 254
10.2.3 SLAM的套用 256
第11章 ROS機器人作業系統 259
11.1 ROS簡介 259
11.2 ROS特點 259
參考文獻 264
