基于仿生视觉的图像处理方法及应用PDF电子书下载

第1章 绪论 1

1.1图像视觉属性滤波方法的研究现状 2

1.1.1基础形态学滤波器 2

1.1.2广义形态学滤波器 3

1.1.3 Max-tree视觉属性滤波器 4

1.1.4连通滤波方法的研究现状 5

1.2车道线与车辆检测方法的研究现状 6

1.2.1车道线检测方法的研究现状 6

1.2.2车辆检测方法的研究现状 6

1.3掌纹图像识别方法的研究现状 8

1.4仿生视觉算法的研究现状 9

1.5本书章节安排 11

第2章 基于Max-tree的图像视觉属性滤波方法 13

2.1 Max-tree的滤波规则 13

2.1.1最小规则 14

2.1.2直接规则 16

2.1.3最大规则 17

2.1.4减法规则 19

2.2图像复原 20

2.2.1最小规则复原 20

2.2.2直接规则复原 22

2.2.3最大规则复原 23

2.2.4减法规则复原 23

2.3二值图像面积属性滤波 23

2.4灰度图像属性滤波 27

2.4.1面积滤波 29

2.4.2灰度值滤波 33

2.4.3最小包围矩形滤波 37

2.5滤波器性能比较 40

2.6本章小结 41

第3章 基于多变量视觉属性分类的图像滤波方法 43

3.1 Max-tree构造与滤波规则 43

3.2基于多变量属性分类规则的连通滤波算法 44

3.2.1基于多变量属性的Max-tree构造 44

3.2.2基于SVM的Max-tree节点属性分类算法 46

3.3实验与分析 47

3.3.1 Max-tree的不同枝剪规则的性能比较 47

3.3.2不同滤波方法的性能比较 49

3.3.3多变量属性分类规则在掌纹与掌脉图像分割中的应用 51

3.4本章小结 54

第4章 基于边缘与线条视觉信息的车道线检测方法 55

4.1图像预处理 55

4.1.1摄像头相关参数 55

4.1.2系统参数设置 56

4.2边缘提取与直线检测 59

4.2.1边缘提取设计 59

4.2.2直线检测设计 61

4.3车道线检测方案设计 61

4.3.1车道线模型设计 62

4.3.2车道线候选对象的筛选 62

4.3.3样条曲线拟合 63

4.3.4重建车道区域 64

4.3.5更新区域 65

4.4系统总体设计 66

4.4.1 OpenCV简介 66

4.4.2系统的流程设计 67

4.5实验结果与分析 67

4.5.1分步结果分析 68

4.5.2结果分析 69

4.6本章小结 72

第5章 基于HMA X仿生视觉模型的车辆检测方法 73

5.1标准模型和HMAX模型 73

5.1.1标准模型 73

5.1.2 HMAX模型 75

5.2 HMAX模型的层次结构 75

5.2.1 HMAX模型概述 75

5.2.2 HMAX模型的结构 76

5.2.3 HMAX模型的特点 77

5.2.4 HMAX模型存在的问题 77

5.2.5 HMAX模型分析 78

5.3实验过程 79

5.3.1实验环境构建 79

5.3.2对自然场景下的图像进行特征提取 81

5.3.3对简单场景下的车辆进行特征提取 82

5.4实验结果与分析 83

5.5本章小结 85

第6章 基于仿生视觉感知的交通标志牌检测方法 86

6.1生物启发变换的RST不变属性特征提取框架 86

6.2基于filter-filter结构的方向边缘检测方法 87

6.2.1 Gabor函数的图像滤波 88

6.2.2融合双极滤波器与Gabor滤波器的方向边缘检测方法 88

6.3空间的间距检测 90

6.4仿真实验与分析 92

6.4.1 RST不变属性特征提取的有效性分析 93

6.4.2 RST不变属性特征提取方法的性能比较分析 95

6.4.3过程参数的选取分析 100

6.5提出的方法在交通标志牌识别中的应用 102

6.6本章小结 105

第7章 基于生物启发变换的掌纹识别 106

7.1 BIT特征提取框架 106

7.2相关的基础理论 107

7.2.1 Gabor滤波器池 107

7.2.2基于相位一致性的方向边缘检测 108

7.3提出的方法 109

7.3.1方向边缘检测 109

7.3.2局部空间频率检测 111

7.4掌纹匹配方法 113

7.5实验结果与分析 113

7.5.1掌纹数据库和实验环境 113

7.5.2有效性分析 115

7.5.3掌纹验证 118

7.5.4掌纹识别 122

7.6本章小结 124

第8章 基于双生物启发变换网络的鲁棒掌纹图像识别 125

8.1双生物启发变换网络框架 125

8.2提出的方法 127

8.2.1视觉信息处理机制 127

8.2.2 Gabor滤波器组 129

8.2.3基于相位一致性的边缘检测算法 129

8.2.4用于方向边缘检测的双极滤波器 129

8.2.5局部空间频率双检测算子 131

8.3掌纹匹配算法 136

8.4实验结果与分析 137

8.4.1掌纹数据库和实验环境 137

8.4.2特征不变性和选择性分析 139

8.4.3掌纹验证 141

8.4.4掌纹辨识 144

8.5本章小结 145

第9章 总结与展望 146

9.1多视觉属性的图像形态滤波方法总结与展望 146

9.2车道线与车辆检测方法总结与展望 147

9.3车辆与车道线的仿生检测方法总结与展望 148

参考文献 149