视频监控与小波纹理 面向视神经细胞模型复杂环境感知与定位的图像理解技术PDF电子书下载

上篇 1

第一章 视频监控系统绪论 1

1.1 视频监控概述 1

1.2 国内外现状和发展趋势 3

1.2.1 国内外现状 3

1.2.2 发展趋势 5

1.3 视频监控系统的几个关键技术 6

1.3.1 自动人脸识别 6

1.3.2 视频增强 7

1.3.3 视频编码优化 7

1.4 本章小结 8

第二章 视频监控中人脸特征描述方法研究 10

2.1 引言 10

2.1.1 人脸识别概述 10

2.1.2 视频监控中的人脸识别 11

2.1.3 人脸识别的光照问题 12

2.1.4 小结 16

2.2 一种基于轮廓波变换的光照鲁棒人脸特征描述方法 16

2.2.1 轮廓波变换与图像处理 16

2.2.2 对数人脸光照模型 18

2.2.3 基于轮廓波去噪模型的光照鲁棒特征提取 19

2.2.4 实验结果与分析 20

2.2.5 结论 22

2.3 一种基于混合投影函数和图像熵的光照鲁棒人脸特征描述方法 22

2.3.1 投影函数 22

2.3.2 图像熵 24

2.3.3 混合投影特征提取 25

2.3.4 实验结果与分析 26

2.3.5 结论 28

2.4 本章小结 28

第三章 视频监控中视频增强方法研究 29

3.1 引言 29

3.2 算法描述 30

3.2.1 RGB色彩空间与YCbCr色彩空间的转换 31

3.2.2 小波变换与数字图像处理 32

3.2.3 基于小波变换的光照分离 35

3.2.4 背景估计和运动区域检测 36

3.2.5 融合规则和图像重构 37

3.2.6 算法流程 38

3.3 实验结果与分析 40

3.4 本章小结 41

第四章 视频监控中视频编码快速算法研究 43

4.1 引言 43

4.1.1 H.264/AVC视频编码 43

4.1.2 可伸缩视频编码 44

4.1.3 小结 45

4.2 一种适宜于H.264/AVC的帧间快速编码算法 45

4.2.1 相关研究 46

4.2.2 利用运动和纹理预测 46

4.2.3 利用时间和空间相关性预测 49

4.2.4 算法流程 54

4.2.5 实验结果与分析 56

4.2.6 结论 56

4.3 一种质量可伸缩编码中增强层帧间快速算法 58

4.3.1 相关研究 58

4.3.2 模式选择的基本原理 59

4.3.3 算法流程 61

4.3.4 实验结果与分析 64

4.3.5 结论 65

4.4 本章小结 65

第五章 上篇总结与展望 66

5.1 工作总结 66

5.2 展望 66

上篇参考文献 67

中篇 80

第六章 Copula驱动的小波域纹理特征提取绪论 80

6.1 问题的提出与研究现状 80

6.1.1 纹理的定义 80

6.1.2 纹理的特征 81

6.1.2 纹理特征提取方法 83

6.1.3 小波域纹理特征提取研究现状 84

6.2 研究的主要内容 86

第七章 小波变换理论 87

7.1 传统小波变换 87

7.1.1 连续小波变换 87

7.1.2 小波多分辨分析 88

7.1.3 二维离散小波变换 89

7.2 复数小波变换 91

7.2.1 Gabor小波变换 91

7.2.2 对偶树复小波 92

7.2.3 四元小波变换 94

7.3 方向小波变换 96

7.4 平稳小波变换 98

7.5 本章小结 99

第八章 Copula模型及其参数估计 100

8.1 Copula理论 100

8.1.1 多维Copula 100

8.1.2 常见的Copula函数 101

8.1.3 Copula函数特点分析 104

8.2 Copula参数估计 104

8.2.1 完全最大似然估计 105

8.2.2 两阶段最大似然估计 105

8.2.3 两阶段最大似然半参数估计 106

8.2.4 非参数估计方法 106

8.3 本章小结 107

第九章 小波域依赖关系及常用多维模型 108

9.1 小波域间的依赖关系 108

9.2 小波域隐马尔科夫模型 111

9.3 小波域多维统计模型 113

9.3.1 多维统计模型 113

9.3.2 测地距离 115

9.4 本章小结 116

第十章 传统小波域Copula多维模型 117

10.1 小波域子带内依赖 118

10.2 小波域子带内颜色分量依赖 123

10.3 小波域尺度间依赖 126

10.4 基于Copula模型的相似度 128

10.4.1 标准化Euclidean距离 129

10.4.2 Kullback-Leibler距离 129

10.4.3 采样方法 130

10.4.4 Bayesian-ML检索方法 130

10.5 实验与分析 131

10.5.1 实验数据集与实验目的 131

10.5.2 实验结果与分析 134

10.5.3 计算效率分析 136

10.6 本章小结 138

第十一章 方向小波域与平稳小波域Copula多维模型 139

11.1 方向小波域Copula多维模型 140

11.2 平稳小波域Copula多维模型 141

11.3 实验与分析 143

11.3.1 实验数据集与实验目的 143

11.3.2 实验结果与分析 143

11.4 本章小结 146

第十二章 复数小波域Copula多维模型 147

12.1 对偶树复小波域Copula多维模型 147

12.2 Gabor小波域旋转不变Copula多维模型 150

12.3 基于复数小波相角的Copula多维模型 151

12.4 实验与分析 153

12.4.1 实验数据集与实验目的 153

12.4.2 实验结果与分析 154

12.5 本章小结 156

第十三章 中篇总结与展望 158

中篇参考文献 159

下篇 167

第十四章 基于生物视觉感知机制的图像理解绪论 167

14.1 研究目的和意义 167

14.2 研究现状 168

14.2.1 图像分割 168

14.2.2 目标识别 170

14.2.3 基于视觉层次感知机制的图像理解 171

14.2.4 图像特征表达 172

14.2.5 分类器 174

14.3 研究内容 174

14.4 本篇特色与创新 175

第十五章 视皮层感知机制 177

15.1 引言 177

15.2 视觉系统的层次 177

15.3 视皮层的感知结构 178

15.3.1 视网膜 179

15.3.2 侧膝体 179

15.3.3 视觉皮层 179

15.4 其他特性 180

15.4.1 反馈和侧向连接 180

15.4.2 视觉感受野特性 181

15.4.3 超柱结构 181

15.4.4 学习机制 181

15.5 生物视觉计算模型 181

15.5.1 视觉感知层次结构 182

15.5.2 视觉感知层次计算模型 182

15.5.3 视觉感知中重要的功能机制 184

15.6 基于视觉感知层次模型的人脸识别 185

15.6.1 人脸识别模型概述 185

15.6.2 模型功能实现 186

15.6.3 实验及结果 188

15.7 本章小结 190

第十六章 多特征彩色图像分割模型 191

16.1 引言 191

16.2 相关工作 192

16.2.1 研究现状 192

16.2.2 神经科学基础 193

16.3 模型概述 194

16.3.1 K通路计算 194

16.3.2 P通路计算 195

16.3.3 M通路的计算 196

16.3.4 其他视觉区域计算 197

16.4 实验 199

16.4.1 BPNN训练 199

16.4.2 分割方法比较 199

16.5 算法与实验分析 201

16.5.1 先融合与后融合 201

16.5.2 二元分割的优化 202

16.5.3 性能评估 202

16.6 本章小结 204

第十七章 BU＆TD图像分割模型 205

17.1 引言 205

17.2 神经科学背景 206

17.2.1 Trickle-up通路 206

17.2.2 Trickle-down通路 206

17.3 BU＆TD组合模型概述 207

17.3.1 生成特征片段集 208

17.3.2 匹配BU结果 209

17.3.3 优化匹配子集 212

17.3.4 像素标识 213

17.4 实验 214

17.4.1 概率分布的学习 214

17.4.2 图像分割 214

17.4.3 影响因素分析 215

17.4.4 片段相关性 217

17.4.5 多目标分割 218

17.5 本章小结 218

第十八章 多特征场景分类模型 220

18.1 分类模型 220

18.2 HFSM模型 221

18.3 多尺度边缘特征 222

18.4 颜色特征 223

18.5 分类 223

18.6 实验评估 224

18.6.1 Edge路径分类 224

18.6.2 Edge路径＋Shape路径 226

18.6.3 MFBIM识别 226

18.7 总结 227

第十九章 BU＆TD目标识别模型 228

19.1 引言 228

19.2 模型概述 229

19.2.1 LSF特征 229

19.2.2 HSF图像 230

19.2.3 Gist-based特征 231

19.2.4 OFC 232

19.2.5 PHC 233

19.2.6 IT 233

19.3 实验 235

19.4 总结 236

第二十章 下篇总结与展望 237

20.1 工作总结 237

20.2 本篇创新与特色 238

20.3 进一步的研究 239

下篇参考文献 239