智能视觉感知技术PDF|Epub|txt|kindle电子书版本网盘下载

智能视觉感知技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 人类视觉的研究1

1.1.1 人类视觉成像原理1

1.1.2 视觉信息的产生2

1.1.3 视觉信息的传递2

1.1.4 视感觉信息的处理3

1.1.5 视知觉信息的处理3

1.1.6 人类视觉的认知过程4

1.1.7 视觉注意机制研究4

1.2 计算机视觉技术6

1.2.1 马尔的视觉计算理论框架6

1.2.2 多视几何立体感知6

1.3 多源信息融合技术8

1.3.1 多传感器信息融合的优势8

1.3.2 信息融合方法8

1.4 基于深度学习的智能感知技术9

1.4.1 人工智能的发展历程9

1.4.2 基于大数据的深度学习方法11

第2章 摄像机标定14

2.1 概述14

2.2 摄像机模型15

2.3 标定算法17

2.3.1 预标定图像的尺度因子18

2.3.2 确定相机中心18

2.3.3 标定其他摄像机参数20

2.4 实验结果22

2.4.1 图像的校正效果实验22

2.4.2 标定参数的精度验算23

第3章 视觉跟踪26

3.1 视觉跟踪算法的原理26

3.2 视觉跟踪研究框架28

3.2.1 统计方法在视觉跟踪中的研究现状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视觉跟踪算法35

3.3.1 颜色特征统计方法35

3.3.2 目标模型的表示35

3.3.3 候选模型的表示36

3.3.4 基于Bhattacharyya系数的相似性度量36

3.3.5 核密度梯度估计38

3.3.6 Mean shift算法的计算复杂度分析39

3.3.7 Mean shift迭代求解局部最优值的性能分析40

3.3.8 实验结果41

3.4 基于Bhattacharyya系数由粗到精的核匹配搜索方法44

3.4.1 由粗到精的核匹配搜索算法原理44

3.4.2 实验结果46

3.5 基于统计特征最大后验概率的视觉跟踪算法48

3.5.1 视觉跟踪中图像匹配问题的描述49

3.5.2 图像特征分析50

3.5.3 最大后验概率指标51

3.5.4 最大后验概率指标分析52

3.5.5 最大后验概率指标的主要特点52

3.5.6 算法计算复杂度分析54

3.5.7 算法性能分析55

3.5.8 实验结果55

3.6 基于变分辨率的自适应窗口目标跟踪方法研究60

3.6.1 基于变分辨率的自适应窗口目标跟踪方法61

3.6.2 实验结果63

3.7 基于粒子滤波的目标跟踪算法研究65

3.7.1 粒子滤波原理65

3.7.2 基于后验概率的粒子滤波算法66

3.7.3 实验结果68

3.8 基于TLD的目标跟踪算法69

3.8.1 算法构成69

3.8.2 跟踪模块70

3.8.3 检测模块71

3.8.4 学习模块72

第4章 目标检测74

4.1 运动目标检测算法74

4.1.1 背景匹配技术74

4.1.2 帧间运动目标检测76

4.1.3 基于混合高斯分布的背景估计模型79

4.2 基于参数统计的目标检测83

4.2.1 目标识别中的边缘检测算法84

4.2.2 基于Hough变换的直线检测算法研究86

4.2.3 基于随机Hough变换的圆检测算法研究90

第5章 图像拼接与镶嵌99

5.1 尺度不变特征变换算法99

5.1.1 SIFT特征提取99

5.1.2 基于k-d树的特征点匹配103

5.1.3 图像误匹配对的消除105

5.2 图像变换模型105

5.2.1 平移变换106

5.2.2 旋转变换106

5.2.3 缩放变换106

5.2.4 相似变换106

5.2.5 仿射变换107

5.2.6 透射变换107

5.3 多相机图像拼接技术108

5.4 图像镶嵌技术109

5.5 无缝图像拼接融合110

5.5.1 平均值法111

5.5.2 多分辨率样条技术112

5.5.3 渐入渐出法112

5.5.4 基于自适应梯度域的图像无缝镶嵌方法113

5.6 渐晕现象的理论分析与消除方法118

5.6.1 图像渐晕现象分类118

5.6.2 渐晕校正方法120

5.6.3 渐晕模型及基本假设124

5.6.4 渐晕自动校准124

5.7 存在局部运动目标的镶嵌重影去除方法130

5.7.1 重影目标边缘检测130

5.7.2 马尔科夫随机场131

5.7.3 轮廓特征点匹配132

5.7.4 最优拼接缝的寻找133

5.8 镶嵌图像质量评价方法139

第6章 图像增强141

6.1 图像增强技术的研究意义141

6.2 基于空域滤波的图像平滑方法研究142

6.3 基于灰度变换的图像增强算法研究143

6.4 基于变分辨率的直方图均衡化图像增强算法研究145

6.4.1 基于变分辨率的图像直方图统计分析146

6.4.2 基于变分辨率的图像直方图均衡增强算法148

6.5 基于对比度受限自适应直方图均衡的图像增强算法150

6.6 Retinex图像增强方法151

6.6.1 Retinex理论研究现状153

6.6.2 中心环绕Retinex方法154

6.6.3 实验结果量化比较分析157

6.7 基于超分辨率图像序列重建的图像增强算法研究157

6.7.1 超分辨率图像重建的意义157

6.7.2 超分辨率重建的原理159

6.7.3 基于亚像素配准的运动估计160

6.7.4 图像观测数学模型162

6.7.5 图像超分辨率重建实验结果163

6.8 深度图像增强算法164

6.8.1 结构特征提取165

6.8.2 基于结构特征的联合双边滤波165

6.8.3 基于马尔科夫随机场的深度图像增强166

6.8.4 实验结果168

第7章 电子稳像171

7.1 光流法思想171

7.2 光流运动矢量计算172

7.3 基于Harris角点的光流运动估计的电子稳像173

7.3.1 Harris检测算子173

7.3.2 特征区域的选择176

7.3.3 多分辨率策略的实现177

7.4 基于光流运动矢量估计的稳像质量评价179

第8章 图像融合182

8.1 图像融合前端处理183

8.1.1 多源成像传感器及融合算法的选择183

8.1.2 图像的预处理186

8.2 红外与可见光图像的配准189

8.2.1 图像配准的基本概念及现状189

8.2.2 多源图像的配准192

8.3 多源图像融合194

8.3.1 图像融合方法的现状194

8.3.2 图像融合规则195

8.3.3 基于Laplace金字塔分解的图像融合算法198

8.3.4 基于小波变换的图像融合算法199

8.3.5 实验结果205

8.4 融合图像质量评价206

8.4.1 主观融合评价206

8.4.2 客观融合评价207

第9章 基于深度学习的视觉感知技术216

9.1 概述216

9.2 深度学习218

9.2.1 人工智能发展概述218

9.2.2 机器学习219

9.2.3 特征的表达220

9.2.4 深度学习的基本原理222

9.2.5 浅层学习和深度学习222

9.2.6 深度学习与神经网络的区别与联系223

9.2.7 深度学习的训练过程225

9.2.8 深度学习模型226

9.2.9 深度学习未来与展望238

第10章 基于SLAM的三维重建与视觉导航算法240

10.1 点云配准240

10.1.1 配准技术涉及的几何特征241

10.1.2 点云配准数学理论245

10.1.3 迭代最近点算法247

10.1.4 RANSAC配准算法248

10.1.5 实验结果与分析250

10.2 机器人同时定位与建图SLAM技术254

10.2.1 SLAM原理254

10.2.2 SLAM的主要方法254

10.2.3 SLAM的应用256

第11章 ROS机器人操作系统259

11.1 ROS简介259

11.2 ROS特点259

参考文献264