《物联网视频图像感知新技术》PDF下载

  • 购买积分:10 如何计算积分?
  • 作  者:刘尚旺,孙林著
  • 出 版 社:北京:科学出版社
  • 出版年份:2016
  • ISBN:9787030480071
  • 页数:242 页
图书介绍:选择性视觉注意模型(SVAM)是为拟合人类视觉注意机制而提出的可计算模型,它能获得图像中最容易引起人们注意的显著区域,从而能更好地进行语义图像分割。另一方面,作为第3代人工神经网络主要代表的脉冲耦合神经网络(PCNN)在图像分割方面也有良好的性能。为了进一步提高语义图像分割的准确性,本书研究SVAM+PCNN整合模型的自动语义图像分割模型或方法。

第一篇 概论 3

第1章 物联网及其感知技术 3

1.1 物联网概述 3

1.1.1 物联网定义 3

1.1.2 物联网的发展历程 4

1.1.3 物联网在中国 5

1.2 物联网体系 5

1.2.1 物联网总体架构 6

1.2.2 感知层 6

1.2.3 网络层 7

1.2.4 应用层 7

1.2.5 物联网特点 8

1.3 物联网感知技术 9

1.3.1 物联网感知技术简介 9

1.3.2 感知与识别技术 10

1.3.3 全方位视觉技术 10

1.3.4 生物视觉视频图像处理新技术 11

1.4 物联网视频图像感知新技术的应用 12

1.4.1 智能家居 12

1.4.2 智慧医疗 13

1.4.3 智慧城市 13

1.4.4 智能环保 14

1.4.5 智能安保 14

1.4.6 智慧农业 14

1.4.7 智慧商务 15

1.4.8 智能教育 16

1.4.9 智慧军事 16

本章小结 17

参考文献 18

第二篇 物联网视频图像感知框架 21

第2章 物联网感知框架 21

2.1 研究目的与意义 21

2.1.1 计算机视觉技术监测作物生长研究目的与意义 21

2.1.2 基于B/S模式的作物长势远程监测方法研究目的与意义 22

2.2 国内外研究现状 23

2.2.1 作物长势远程监测国外研究现状 23

2.2.2 作物长势远程监测国内研究概况 24

2.2.3 视频监控系统发展现状 25

2.3 研究内容和预期目标 26

2.3.1 研究内容 26

2.3.2 预期目标 26

本章小结 27

参考文献 27

第3章 系统整体方案设计 29

3.1 系统硬件组成方案 29

3.2 系统软件组成方案 29

3.2.1 B/S模式与传统的C/S模式之间的选择 29

3.2.2 JSP技术、ASP技术和PHP技术的比较 30

3.2.3 Java语言与C++语言的比较 31

3.3 基于B/S模式的作物长势远程监测系统网络框架 32

3.4 视频信号采集方法 33

3.4.1 田间服务器摄像设备参数设置 33

3.4.2 采集图像序列的参数要求 33

3.4.3 实时视频帧图像采集策略说明 33

3.5 玉米生长远程监测方法的技术路线 34

本章小结 34

参考文献 35

第4章 基于B/S模式的作物长势远程监测网络框架的实现 36

4.1 分体式田间服务器 36

4.1.1 佳能VC-C4 PTZ云台摄像头 36

4.1.2 AXIS 250S视频服务器 37

4.1.3 分体式田间服务器的构建 38

4.1.4 分体式田间服务器的工作原理 39

4.2 一体式田间服务器 40

4.2.1 网络智能高速球YW7200 41

4.2.2 网络智能恒速球YW7500 42

4.3 作物长势远程监测框架及Java Web服务器的建立 43

4.3.1 基于B/S模式的作物长势远程监测网络框架 43

4.3.2 Java Web服务器的建立 44

4.4 分体式田间服务器监测系统主页的二次开发 44

4.4.1 加载AMC 3.20组件的<OBJECT>标签 45

4.4.2 Web服务器运行问题 46

4.4.3 Tomcat服务器运行问题的原因分析及解决措施 46

4.4.4 Tomcat与IIS或Apache服务器集成的应用研究 46

4.4.5 Tomcat与专业服务器集成后的显示结果 49

4.4.6 控制面板功能实现的关键代码 50

4.5 一体式田间服务器监测系统网页和抓图软件二次开发 52

4.5.1 播放H.264视频流的IE插件加载 53

4.5.2 一体式田间服务器Web页面的二次开发 54

4.5.3 Web服务器端自动实时抓取视频帧图像与视频信息的方法 55

4.6 实验结果与分析 56

4.6.1 网页打开速度 56

4.6.2 压力测试 57

本章小结 57

参考文献 58

第5章 JSP环境下的作物长势图像处理与分析方法 60

5.1 JSP环境下的作物长势图像处理与分析方法探讨 60

5.1.1 纯Java的方法 60

5.1.2 混合语言编程的方法 66

5.2 利用Java 2D即时模式进行作物长势图像处理实现 66

5.2.1 显示原始玉米生长图像 66

5.2.2 玉米生长图像灰度化处理 69

5.2.3 玉米生长图像二值化处理 71

5.2.4 用颜色特性进行玉米生长图像边缘检测 72

5.3 基于迭代阈值算法和腐蚀算法的图像精确边缘检测 73

5.3.1 传统边缘检测算法存在的问题 74

5.3.2 基于迭代阈值算法和腐蚀算法的图像精确边缘检测 74

5.3.3 仿真对比实验 77

本章小结 80

参考文献 80

第6章 作物长势远程监测网络框架工程应用 82

6.1 “生产现场视频”和“远程培训”项目的网络拓扑图 82

6.2 项目实施中的关键措施 83

6.2.1 超五类双绞线的最远传输距离限制及其解决措施 83

6.2.2 田间服务器访问人数受限及其解决措施 83

6.3 Web页面的二次开发 85

本章小结 86

参考文献 86

第三篇 物联网视频图像感知新技术 89

第7章 基于视觉注意模型的语义图像分割概述 89

7.1 预注意理论 90

7.1.1 特征整合理论 90

7.1.2 纹理基元理论 91

7.1.3 相似性理论 92

7.1.4 指导搜索理论 93

7.2 选择性视觉注意模型 93

7.2.1 空间域SVAM 94

7.2.2 时空域SVAM 98

7.2.3 频域视觉注意模型 98

7.3 图像分割理论 99

7.3.1 图像分割分类 100

7.3.2 图像分割需解决的问题和发展趋势 105

本章小结 106

参考文献 106

第8章 PCNN图像分割理论和选择性视觉注意模型评价方法 114

8.1 PCNN图像处理 114

8.1.1 人工神经网络的三代划分 114

8.1.2 PCNN模型及其简化 115

8.1.3 PCNN模型在图像处理中的应用 118

8.2 选择性视觉注意模型评价方法 121

8.2.1 心理学预注意特征图像集 122

8.2.2 SIMPLIcity图像集 122

8.2.3 眼动数据图像集及其数字化指标 123

8.2.4 手工标注显著目标物的图像集及其数字化指标 128

8.2.5 均方差和t-test的引入 131

本章小结 132

参考文献 132

第9章 选择性视觉注意模型与PCNN整合方法研究 137

9.1 HVS的生理特性 137

9.1.1 视觉刺激 137

9.1.2 视觉感官 137

9.1.3 视觉通道 139

9.1.4 视觉中枢 140

9.2 STB/Itti模型 142

9.2.1 高斯金字塔分解 143

9.2.2 特征图的生成 147

9.2.3 特征图的合并策略 149

9.2.4 关注图的生成 151

9.2.5 显著图的生成 152

9.2.6 注视焦点和感兴趣区域的提取 153

9.3 STB/Itti+PCNN整合模型 154

9.3.1 STB/Itti+PCNN整合模型的提出 155

9.3.2 STB/Itti+PCNN整合模型的工作流程 159

9.4 结果及分析 161

9.4.1 视觉对比实验结果及分析 162

9.4.2 AUC对比实验结果及分析 163

9.4.3 鲁棒性检测结果及分析 163

9.4.4 实时性测试及分析 166

本章小结 167

参考文献 167

第10章 最佳语义图像分割方法研究 170

10.1 GBVS模型及其性能比较分析 170

10.1.1 GBVS模型概述 170

10.1.2 相关SVAM介绍 173

10.1.3 GBVS与其相关SVAM在效果与性能上的比较 179

10.2 GBVS+PCNN整合模型 183

10.2.1 接收输入域 184

10.2.2 调制链接域 184

10.2.3 脉冲产生域 184

10.2.4 显著区域自动判别算法 187

10.3 结果及分析 188

10.3.1 视觉效果对比 189

10.3.2 性能指标对比 190

10.3.3 运行时间对比 191

本章小结 191

参考文献 191

第11章 可硬件实现的实时语义图像分割方法研究 194

11.1 PQFT模型 194

11.1.1 PQFT模型概述 194

11.1.2 改进PQFT模型 198

11.2 改进PQFT与PCNN整合模型 199

11.2.1 接收输入域 199

11.2.2 显著区域自动判别算法 200

11.2.3 结果及分析 202

11.3 改进HFT模型 204

11.3.1 频域视觉注意模型概述 204

11.3.2 频域视觉注意模型的性能分析 209

11.3.3 改进HFT模型 212

11.3.4 实验结果的对比分析 214

11.3.5 小结 219

11.4 基于视觉显著性的图像分类 219

11.4.1 显著区域的提取 220

11.4.2 显著区域的特征提取 220

11.4.3 图像分类 225

11.4.4 实验结果与分析 227

本章小结 229

参考文献 230

第12章 物联网视频图像感知总结与展望 232

12.1 物联网视频图像感知总结 232

12.2 物联网视频图像感知展望 234

本章小结 235

参考文献 235

附录1 数学基础——四元数 236

附录2 SaliencyToolbox 2.2+PCNN各函数间的调用关系图 242