智能视感学PDF电子书下载

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