智能视感学【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

智能视感学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

基础篇1

第1章 导论1

1.1　概述1

1.1.1　视感概念1

1.1.2　视感技术发展史略2

1.1.3　视感系统分类4

1.2　视感技术硬件基础5

1.2.1　图像传感5

1.2.1.1 常用图像传感器6

1.2.1.2 CCD图像传感器的物理特性7

1.2.1.3　摄像机技术特点12

1.2.1.4 摄像机选用原则与设置方法16

1.2.2　图像采集18

1.2.2.1 图像采集卡类型18

1.2.2.2 图像采集卡基本性能20

1.2.3　视感系统对计算机的配置要求21

1.2.3.1　硬件配置21

1.2.3.2 数据通信接口22

习题24

第2章　图像处理基础26

2.1　灰度图像的基本处理方法26

2.1.1　空间域增强算法26

2.1.1.1 空间域点运算26

2.1.1.2 图像平滑31

2.1.1.3 图像锐化34

2.1.2　频率域增强算法36

2.1.2.1 低通滤波增强算法——频率域平滑法37

2.1.2.2 高通滤波增强算法——频率域锐化法40

2.2　灰度图像边缘检测43

2.2.1　门限化边缘检测43

2.2.2　基于梯度的边缘检测45

2.2.3　边缘检测Laplacian算子47

2.2.4　Canny边缘算子49

2.2.5　数学形态学法54

2.2.6　其他算法的简要介绍56

2.3　图像二值化处理与图像分割方法57

2.3.1　概述57

2.3.2　基于直方图谷点门限的图像二值化方法57

2.3.3　OTSU算法58

2.3.4　最小误差图像分割法59

2.4　彩色图像增强61

2.4.1　彩色空间及其变换61

2.4.1.1 彩色空间描述61

2.4.1.2 彩色空间变换63

2.4.2　彩色图像色阶直方图均衡化64

2.5　彩色图像的边缘检测65

2.5.1　基于梯度极值的彩色图像边缘检测65

2.5.2　彩色图像边缘检测实用方法67

习题69

第3章　摄像机数学模型71

3.1　图像空间几何变换71

3.1.1　齐次坐标71

3.1.2　正交变换和刚体变换72

3.1.3　相似变换和仿射变换73

3.1.4　透视变换73

3.2　图像坐标及其变换74

3.2.1　图像坐标系75

3.2.2　图像坐标变换76

3.2.2.1　摄像机坐标线性变换76

3.2.2.2 图像畸变描述77

3.3　摄像机参数标定的常用方法79

3.3.1　分步标定法80

3.3.2　基于多个自由平面的标定算法81

3.3.3　非线性畸变参数标定法84

习题85

第4章　视感识别算法87

4.1　图像特征提取与识别算法87

4.1.1　决策理论方法87

4.1.1.1 线性判别函数88

4.1.1.2 最小距离分类函数90

4.1.1.3 最近邻域分类函数91

4.1.1.4 非线性判别函数92

4.1.2　统计分类法93

4.1.2.1 贝叶斯法则93

4.1.2.2 最小错误率的贝叶斯分类法94

4.1.2.3 最小风险的贝叶斯分类法95

4.1.3 图像识别过程特征分类判别相似度95

4.2　主分量分析96

4.2.1　主分量分析原理97

4.2.1.1　K-L变换97

4.2.1.2 K-L变换性质97

4.2.2　核主分量分析99

4.2.2.1 核函数99

4.2.2.2 核函数类型100

4.2.2.3　核主分量100

4.2.3　基于主分量分析的图像识别102

4.3　支持向量机105

4.3.1　统计学习理论的主要内容106

4.3.1.1 学习过程一致性条件106

4.3.1.2　VC维理论107

4.3.2　分类支持向量机108

4.3.2.1 支持向量机的体系结构109

4.3.2.2　最优分类超平面109

4.3.2.3 最优分类超平面的求取方法111

4.3.3　非线性回归问题求解113

4.3.3.1　ε—不敏感损失函数113

4.3.3.2 用于非线性回归的支持向量机114

4.3.4　支持向量机的算法116

4.3.4.1 处理大数据集的SVM训练算法116

4.3.4.2 序贯最小优化算法118

4.3.5　基于支持向量机的图像特征识别121

4.4　不变矩与归一化转动惯量122

4.4.1　矩理论122

4.4.1.1 空间矩和中心矩123

4.4.1.2 不变矩123

4.4.1.3 矩的应用124

4.4.2　归一化转动惯量（NMI）125

4.4.2.1 NMI特征定义125

4.4.2.2　NMI识别算法126

4.4.2.3 基于灰度权重的NMI快速匹配127

4.5　模板匹配及其相似度131

4.5.1　模板匹配的空间域描述131

4.5.1.1 第一类相似度——误差132

4.5.1.2 第二类相似度——互相关133

4.5.1.3 空间域模板匹配的进一步讨论136

4.5.2　模板匹配的频域描述136

4.5.2.1 第三类相似度——相位频谱方法136

4.5.2.2　傅里叶—梅林相似度142

4.6　基于颜色特征的目标识别144

4.6.1　图像色度学处理144

4.6.1.1　偏色处理144

4.6.1.2 彩色空间转换145

4.6.1.3 计算彩色图像的统计特征145

4.6.2　建立颜色特征池146

4.6.2.1 颜色特征池基本概念及其集合特性146

4.6.2.2 颜色特征池的初始化146

4.6.2.3 基于颜色特征池的目标景象切割147

4.6.3　基于颜色的目标识别148

4.7 图像模糊识别方法149

4.7.1　模糊内容特征及其模糊相似度149

4.7.1.1　模糊内容特征表示方法149

4.7.1.2　基于模糊内容特征的相似度计算150

4.7.2　模糊结构提取151

4.7.2.1 图像二叉树切割151

4.7.2.2　模糊特征提取152

4.7.2.3 基于模糊相似度的节点匹配153

4.7.2.4 基于模糊二叉树结构的相似度154

4.7.3　图像匹配的模糊合成决策155

4.7.3.1 合成决策函数——模糊合成相似度155

4.7.3.2 相似度算法的运算简化156

4.7.3.3 匹配过程分析156

习题159

第5章　视感检测原理162

5.1　单视几何与单目视感检测原理162

5.1.1　单视坐标系162

5.1.2　单视检测基本算法162

5.1.3　基于单视几何的工程方法163

5.2　双目视感检测原理166

5.2.1　双视几何与双目视感检测166

5.2.1.1 双目视差测距原理166

5.2.1.2 双视几何变换167

5.2.1.3　双视投影与单应矩阵168

5.2.2　外极几何学原理169

5.2.2.1 外极线几何约束170

5.2.2.2 外极平面本征矩阵170

5.2.2.3 外极线解析方程172

5.2.3　空间坐标确定方法173

5.2.4　双目视感系统摄像机参数标定175

5.2.4.1 “棋盘标定法”在双目视感检测中的应用176

5.2.4.2 弱标定外极几何176

5.2.4.3 左、右视感对空间物点坐标识别的误差评估182

5.3　多目视感检测理论基础183

5.3.1　张量几何学原理184

5.3.1.1　仿射坐标系184

5.3.1.2 n维空间的仿射坐标186

5.3.2　三视张量的几何属性187

5.3.2.1 三视图像中的点线约束189

5.3.2.2 单应变换与基本矩阵190

5.3.3　三视张量的运算191

5.3.3.1 从同名线计算三视张量191

5.3.3.2 从匹配点计算三视张量192

5.3.4　三视张量约束特征点的匹配193

5.3.4.1 三视张量已知条件下的特征点匹配算法193

5.3.4.2 三视张量未知条件下的特征点匹配算法194

5.3.5　三视张量约束三视图像特征线的匹配196

5.3.5.1 三视张量已知条件下特征线的匹配算法196

5.3.5.2 三视张量未知条件下特征线的匹配算法196

习题200

应用篇202

第6章 智能视感实用技术202

6.1　桥梁限载自动监控系统及其方法202

6.1.1　系统基本组成202

6.1.2　系统算法204

6.1.2.1 主运算程序204

6.1.2.2 视感检测算法204

6.2　钢坯号智能识别系统206

6.2.1　系统主控程序207

6.2.2　识别算法207

6.2.2.1 模板匹配算法207

6.2.2.2 人工神经网络识别算法210

6.3　基于图像信息的纸币清分技术211

6.3.1　纸币图像预处理212

6.3.2　纸币新旧区分212

6.3.3　纸币面额与面向区分213

6.3.4　纸币成色检测214

6.4　车辆智能防撞技术216

6.4.1　基本硬件配置216

6.4.2　道路障碍物识别算法217

6.4.3　车辆防撞行人智能算法219

6.4.3.1　原理219

6.4.3.2 阈值求取220

6.4.3.3 相似度度量221

6.5　交通信号灯视感智能控制224

6.5.1　概述224

6.5.2　交通信号灯智能控制的核心算法224

6.5.2.1 建立坐标与车道线方程224

6.5.2.2 车流图像处理226

6.5.2.3 车辆排队长度检测与通行时间计算227

习题229

附录231

Ⅰ 最小二乘及在视感检测中的常用算法231

Ⅰ．1　算法基本思想231

Ⅰ．2　视感检测中常用的最小二乘算法232

Ⅰ．2.1　线性方程组的最小二乘法232

Ⅰ．2.1.1 正则方程和伪逆233

Ⅰ．2.1.2 齐次方程最小二乘解和特征值233

Ⅰ．2.1.3 广义约束和广义特征值234

Ⅰ．2.2　非线性齐次方程组的最小二乘解234

Ⅰ．2.2.1　牛顿法（Newton法）235

Ⅰ．2.2.2　高斯—牛顿法（Gauss-Newton法）236

Ⅰ．2.2.3　Levenberg-Marquardt方法236

Ⅱ 贝叶斯决策理论与方法237

Ⅱ．1　概述237

Ⅱ．2 贝叶斯分类决策模型237

Ⅱ．2.1 贝叶斯最小错误概率分类模型237

Ⅱ．2.1.1 两类模式集问题237

Ⅱ．2.1.2　多类问题238

Ⅱ．2.2　贝叶斯最小风险分类决策238

Ⅲ 统计学习与VC维理论240

Ⅲ．1 边界理论与VC维原理240

Ⅲ．2　推广能力边界241

Ⅲ．3　结构风险最小化归纳原理241

Ⅳ 关于约束非线性规划问题最优解条件243

Ⅳ．1 Kuhn-Tucker条件243

Ⅳ．1.1 Gordan引理243

Ⅳ．1.2　Fritz John定理243

Ⅳ．1.3　Kuhn-Tucker条件证明244

Ⅳ．2 Karush-Kuhn-Tucker条件246

术语索引247

参考文献251