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