第1章 引言 1
1.1 图像识别技术研究的目的与意义 1
1.2 国内外研究现状及发展趋势 2
第2章 基于模糊粗糙集的图像增强 7
2.1 图像增强 7
2.2 基于属性直方图和模糊粗糙集理论的图像增强 7
2.3 实验与结果分析 10
第3章 基于模糊逻辑和偏微分方程的图像增强 12
3.1 模糊集合理论 12
3.2 模糊图像处理系统 13
3.3 基于模糊逻辑和偏微分方程的图像增强算法 15
3.4 实验与结果分析 21
第4章 基于小波变换的图像特征提取 22
4.1 小波变换的产生及发展 22
4.2 小波变换及性质 23
4.3 离散小波的快速实现 25
4.4 特征提取 28
4.5 纹理图像的特征提取 28
4.6 基于小波变换的图像特征提取方法 30
4.7 实验与结果分析 36
第5章 基于粗糙集的神经网络图像识别方法研究 37
5.1 系统描述 37
5.2 粗糙集特征提取与选择 39
5.3 系统功能实现 42
5.4 仿真实验研究 43
第6章 基于粗糙集的模糊神经网络图像识别方法研究 45
6.1 模糊逻辑与神经网络 45
6.2 系统框架结构 46
6.3 系统功能与特点 46
6.4 仿真实验研究 47
第7章 神经网络参数优化设计 53
7.1 正交试验设计 53
7.2 实验结果分析 54
7.3 响应曲面法 55
7.4 神经网络参数最优设置 61
第8章 图像识别案例：基于多特征融合的步态分类识别 63
8.1 特征融合算法 63
8.2 基于支持向量机的分类识别 68
8.3 基于SVM算法的步态识别 73
8.4 实验结果对比分析 74
第9章 图像识别案例：基于Kinect的静态手势识别 77
9.1 静态手势图像边缘特征提取 77
9.2 静态手势参数特征 82
9.3 DAG-SVMs静态手势识别算法 83
9.4 实验结果与分析 87
9.5 静态手势与多媒体音量调节的交互系统设计 89
9.6 音量调节交互系统的实现 91
9.7 手势交互系统分析 91
第10章 图像识别案例：基于Kinect的动态手势识别 93
10.1 动态手势的骨骼关节三维数据获取 93
10.2 动态手势的特征描绘 95
10.3 DTW手势识别算法 99
10.4 实验结果与分析 103
第11章 图像识别案例：基于视频图像的火灾识别 106
11.1 运动前景目标检测算法 106
11.2 具有火焰颜色的运动目标检测 108
11.3 火焰特征提取与判定 113
11.4 火焰特征检测的综合分析 117
11.5 实验结果分析 118
11.6 基于改进的背景估计法的运动区域检测 123
11.7 烟雾特征提取与判定 125
11.8 烟雾特征的综合分析 132
11.9 实验结果与分析 134
第12章 图像识别案例：基于机器视觉的轨道障碍物识别 138
12.1 可疑障碍物辅助检测 139
12.2 可疑障碍物检测 140
12.3 角点特征提取 144
12.4 特征匹配 145
12.5 目标测速 145
12.6 障碍物辅助检测 146
12.7 目标特征提取 146
12.8 运动轨迹以及目标测速 149
第13章 图像识别案例：智能车辆结构化道路目标检测 152
13.1 生成假设车辆 153
13.2 验证假设车辆 161
13.3 车辆检测实验结果及分析 171
第14章 图像识别案例：基于人眼识别的驾驶员疲劳检测 174
14.1 基于微积分投影函数和Hough变换二级人眼定位方法 174
14.2 利用PERCLOS疲劳状态分析 179
14.3 实验与结果分析 181
参考文献 184