智能視頻圖像處理技術(shù)與應(yīng)用

定　價：￥26.00

作　者：	趙謙，侯媛彬，鄭茂全著
出版社：	西安電子科技大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥22.50)

ISBN：	9787560643045	出版時間：	2016-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	128	字?jǐn)?shù)：

內(nèi)容簡介

　　《智能視頻圖像處理技術(shù)與應(yīng)用》在全面綜述國內(nèi)外視頻圖像的檢測、增強、跟蹤等技術(shù)的基礎(chǔ)上，重點介紹了作者在這一領(lǐng)域的研究成果。主要內(nèi)容包括：分析了礦井圖像受噪聲影響畫面不清等問題，改進了基于模糊熵判別準(zhǔn)則合理提取LFFD的相似度增強算法；研究了視頻監(jiān)控系統(tǒng)采集點多、歷史留存數(shù)據(jù)量大。不利于后續(xù)查找興趣特征圖像等問題，提出了一種基于相關(guān)法的歐氏距離配準(zhǔn)算法；研究了現(xiàn)實環(huán)境視頻照度不均、噪聲大等特點易丟失目標(biāo)以及工礦企業(yè)安全生產(chǎn)對排查前景目標(biāo)精度要求高等問題。分析了當(dāng)目標(biāo)運動信息不足時CBM會出現(xiàn)誤檢或局部漏測等問題。通過聯(lián)合目標(biāo)的空間整體性。提出了一種基于CBM的目標(biāo)空間整體性背景新算法；針對公共安全、交通安全行駛中遺留物可能帶來的安全隱患等問題。提出了一種基于歷史像素穩(wěn)定度的遺留物檢測算法；針對動態(tài)目標(biāo)復(fù)雜運動、光照變化及遮擋等因素對目標(biāo)跟蹤性能的影響。分析了現(xiàn)有基于多特征融合的跟蹤算法在復(fù)雜環(huán)境下跟蹤準(zhǔn)確度不高。且大部分采用單一判定方式來實現(xiàn)多特征融合的情況，提出了一種基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法；介紹了基于三頻彩色條紋投影輪廓術(shù)的微變監(jiān)測技術(shù)。《智能視頻圖像處理技術(shù)與應(yīng)用》可作為計算機、通信與信息、自動化與控制等專業(yè)的高年級本科生與碩士研究生相關(guān)課程的輔導(dǎo)教材，也可作為專業(yè)技術(shù)人員的培訓(xùn)參考書。

作者簡介

暫缺《智能視頻圖像處理技術(shù)與應(yīng)用》作者簡介

圖書目錄

第1章緒論
1．1 圖像增強現(xiàn)狀
1．2 特征點提取及配準(zhǔn)現(xiàn)狀
1．3 動態(tài)目標(biāo)檢測現(xiàn)狀
1．4 遺留物檢測現(xiàn)狀
1．5 動態(tài)目標(biāo)跟蹤現(xiàn)狀
1．6 本書研究內(nèi)容與技術(shù)路線
1．6．1 研究內(nèi)容
1．6．2 技術(shù)路線
第2章視頻圖像的增強
2．1 圖像增強
2．1．1 灰度直方圖統(tǒng)計方法
2．1．2 圖像空域增強
2．1．3 二維頻域增強的依據(jù)
2．1．4 圖像銳化的處理過程
2．2 圖像增強的特征值提取
2．2．1 梯度測度
2．2．2 標(biāo)準(zhǔn)差測量
2．2．3 峰度分布測量
2．2．4 熵值提取
2．2．5 分形維數(shù)提取方法分析
2．2．6 模糊熵與分形維的關(guān)系
2．2．7 相似度測量分析
2．3 基于模糊熵判別準(zhǔn)則合理提取LFFD的相似度增強算法
2．4 圖像邊緣檢測
2．4．1 Canny邊緣檢測分析
2．4．2 基于小波分解的Canny邊緣檢測算法的提出
2．5 煤礦井下圖像增強實驗與分析
2．5．1 基于模糊熵判別準(zhǔn)則合理提取LFFD的相似度增強實驗分析
2．5．2 基于小波分解的Canny煤礦支護邊緣檢測實驗分析
2．6 小結(jié)
第3章視頻圖像的特征點提取及配準(zhǔn)
3．1 特征點提取
3．1．1 Harris特征點提取
3．1．2 SIFT特征點提取
3．2 圖像特征點配準(zhǔn)
3．2．1 灰度相關(guān)法匹配算法
3．2．2 特征描述子的匹配方法
3．2．3 基于相關(guān)法的歐氏距離配準(zhǔn)算法的提出
3．3 煤礦井下實驗與分析
3．3．1 特征點提取實驗分析
3．3．2 特征點匹配實驗分析
3．4 小結(jié)
第4章動態(tài)目標(biāo)的檢測
4．1 動態(tài)目標(biāo)檢測算法分析
4．1．1 光流法
4．1．2 幀間差分法
4．1．3 背景差分法
4．1．4 幾種背景模型的建議
4．2 基于CBM的目標(biāo)空間整體性背景更新算法
4．2．1 CBM對微動目標(biāo)的失真分析
4．2．2 基于CBM的目標(biāo)空間整體性背景更新算法的提出
4．2．3 基于CBM的目標(biāo)空間整體性背景更新算法的步驟
4．3 動態(tài)檢測中的陰影去除
4．3．1 顏色空間轉(zhuǎn)換
4．3．2 HSV空間陰影去除
4．3．3 基于HSV空間的碼字分量平均算法
4．4 動態(tài)目標(biāo)檢測實驗與分析
4．4．1 基于CBM的目標(biāo)空間整體性背景更新實驗分析
4．4．2 基于HSV空間的碼字分量平均算法實驗分析
4．5 小結(jié)
第5章遺留物的檢測
5．1 動態(tài)目標(biāo)檢測算法在遺留物檢測中的不足
5．2 基于雙背景模型的遺留物檢測算法分析
5．3 基于歷史像素穩(wěn)定度的遺留物檢測算法
5．3．1 算法提出的依據(jù)
5．3．2 算法步驟
5．4 遺留物檢測實驗與分析
5．5 小結(jié)
第6章動態(tài)目標(biāo)的跟蹤
6．1 基于Kalman濾波器的跟蹤算法分析
6．1．1 Kalman濾波器原理
6．1．2 Kalman濾波器跟蹤算法
6．2 基于Mean Shift的目標(biāo)跟蹤算法分析
6．3 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法
6．3．1 多特征目標(biāo)跟蹤算法分析
6．3．2 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法依據(jù)與步驟
6．4 離散場景同一目標(biāo)跟蹤融合算法
6．4．1 CBWH算法分析
6．4．2 CBWH改進算法提出
6．4．3 離散同一目標(biāo)跟蹤融合算法的步驟與條件
6．5 動態(tài)目標(biāo)跟蹤實驗與分析
6．5．1 Kalman濾波器跟蹤算法實驗分析
6．5．2 Mean Shift目標(biāo)跟蹤算法實驗分析
6．5．3 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法實驗分析
6．5．4 離散場景同一目標(biāo)跟蹤融合算法實驗分析
6．6 小結(jié)
第7章基于三頻彩色條紋投影輪廓術(shù)的微變監(jiān)測
7．1 三維測量相關(guān)技術(shù)簡介
7．2 三頻彩色條紋投影輪廓術(shù)的技術(shù)原理
7．2．1 經(jīng)驗?zāi)Ｊ椒纸?br />7．2．2 背景消減和顏色解耦
7．2．3 三頻變精度相位展開
7．2．4 紋理恢復(fù)原理
7．2．5 亞像素級匹配
7．3 模擬微變監(jiān)測實驗與分析
7．4 小結(jié)
附錄
附錄A 視頻圖像采集
附錄B 視頻圖像壓縮JPEG與JPEG2000
附錄C 移動目標(biāo)檢測中的幀間差分法
附錄D 二維運動估計中的三步搜索法
參考文獻