第1章 视频图像采集及读取 1
1.1 视频图像采集 1
1.1.1 视频生成技术 1
1.1.2 智能采集技术 1
1.2 视频图像读取 8
1.2.1 视频读取函数 8
1.2.2 图像读取函数 10
1.2.3 视频图像转换 23
第2章 视频图像变换及融合 32
2.1 视频图像变换 32
2.1.1 平移变换 32
2.1.2 镜像变换 34
2.1.3 裁剪操作 36
2.1.4 缩放操作 38
2.1.5 旋转变换 39
2.1.6 几何变换 40
2.1.7 邻域操作 42
2.2 视频图像融合 57
2.2.1 算法思想 57
2.2.2 算法实例 58
第3章 视频图像噪声及处理 63
3.1 算法基本思想 63
3.2 噪声均值滤波 64
3.2.1 数学建模 64
3.2.2 编程实现 65
3.3 噪声中值滤波 65
3.3.1 数学建模 65
3.3.2 编程实现 66
3.4 小波阈值滤波 67
3.4.1 算法思想 67
3.4.2 数学建模 68
3.4.3 编程实现 69
3.5 轮廓波变换 70
3.5.1 算法设计 70
3.5.2 算法实现 72
3.5.3 代码实例 73
3.6 非局部均值滤波 75
3.6.1 算法设计 75
3.6.2 算法实现 77
第4章 视频图像阈值及分割 93
4.1 图像分割的基本概念 93
4.1.1 图像分割的定义 93
4.1.2 图像分割算法分类 94
4.2 边缘检测 94
4.2.1 边缘检测概述 94
4.2.2 边缘检测梯度算法 95
4.2.3 拉普拉斯算子 97
4.2.4 LoG算子 98
4.2.5 Canny算子 99
4.3 阈值分割 101
4.3.1 阈值分割介绍 101
4.3.2 全局阈值分割 103
4.3.3 动态阈值分割 109
4.4 区域生长及分割 114
4.4.1 区域生长的基本原理、步骤及流程图 114
4.4.2 生长准则和过程 115
4.4.3 区域分裂与合并 119
第5章 图像特征计算及应用 123
5.1 Haar-like特征 123
5.1.1 Haar-like特征的种类 123
5.1.2 Haar-like特征的计算 124
5.1.3 Haar-like特征的个数 125
5.1.4 Haar-like特征人脸检测 125
5.2 Hog特征 128
5.2.1 图像的预处理 128
5.2.2 图像的梯度 128
5.2.3 图像的滑动 129
5.2.4 Hog特征行人检测 129
5.3 LBP特征 132
5.3.1 LBP特征的演化 132
5.3.2 LBP特征纹理分类 134
5.4 SIFT特征 142
5.4.1 SIFT算法的特点 142
5.4.2 SIFT算法设计框架 143
5.4.3 SIFT算法设计过程 143
5.4.4 SIFT特征模板匹配 150
第6章 运动目标检测及跟踪 156
6.1 算法设计思想 156
6.2 数学建模过程 157
6.2.1 帧间差分法建模 157
6.2.2 帧间差分法改进 158
6.3 算法编程实现 158
6.3.1 帧间差分法 158
6.3.2 改进的帧间差分法 161
6.4 算法拓展与优化 165
6.4.1 特殊问题与算法 165
6.4.2 MATLAB编程实现 166
第7章 目标定位及字符识别 188
7.1 图像目标提取与识别 188
7.1.1 图像采集与目标检测 189
7.1.2 图像目标归一化处理 194
7.1.3 图像字符提取与识别 197
7.2 视频识别与轨迹分析 203
7.2.1 问题描述与建模思想 204
7.2.2 算法功能与技术流程 204
7.2.3 MATLAB核心代码 204
第8章 机器故障认知及检测 211
8.1 问题描述与建模思想 211
8.2 分析过程与编程实现 214
8.2.1 齿轮振动信号的数字滤波处理 214
8.2.2 齿轮振动信号的频谱分析 226
8.2.3 波形分析中常用的指标计算 232
8.2.4 齿轮振动信号的相关分析 235
第9章 深度学习及人脸识别 243
9.1 算法形成背景 243
9.2 算法基本思想 243
9.3 算法数学原理 244
9.3.1 权值共享 244
9.3.2 CNN结构 245
9.3.3 算法设计框架 246
9.3.4 混合编程思想 249
9.3.5 算法应用详解 249
9.4 基于深度学习的人脸识别 266
参考文献 276