新書推薦：
《
我从何来：自我的心理学探问
》
售價：NT$
545.0
《
失败：1891—1900 清王朝的变革、战争与排外
》
售價：NT$
390.0
《
万千心理·我的精神分析之道：复杂的俄狄浦斯及其他议题
》
售價：NT$
475.0
《
荷马：伊利亚特（英文）-西方人文经典影印21
》
售價：NT$
490.0
《
我的心理医生是只猫
》
售價：NT$
225.0
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：NT$
449.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
|
| 編輯推薦： |
|
本书内容涉及图像视觉属性滤波和生物视觉启发变换模型，以及在车道线与车辆检测、交通标志牌检测和掌纹识别等领域的应用。
|
| 內容簡介： |
|
本书是作者及其团队近8年来基于仿生视觉的图像处理方法及应用的研究工作的总结，内容涉及图像视觉属性滤波和生物视觉启发变换模型，以及在车道线与车辆检测、交通标志牌检测和掌纹识别等领域的应用。书中论述以Max-tree为基础的视觉属性滤波器，对Max-tree的构建、枝剪和复原进行详细讨论。在此基础上，融合图像的连通区域面积、灰度值及形状等多个视觉属性，运用支持向量机对Max-tree节点进行多视觉属性分类，给出复杂视觉结构图像滤波方法。针对复杂环境下的车道线和车辆检测问题，探讨一种基于视频图像的车道线检测方法，给出基于HMAX仿生视觉模型的车辆检测算法流程。阐述一种受生物启发的图像特征提取方法，设计双生物启发变换网络，证明变换网络的旋转、平移及比例不变特性，实现复杂环境中的交通标志牌与掌纹特征提取。这些方法在实际应用中取得了明显的应用效果，实现了图像的仿生视觉处理过程，为解决复杂环境中的图像处理与识别问题起到了重要作用。相关方法能推动计算机视觉领域的认知科学、模式识别、计算生物学等前沿问题研究，可为我国仿生视觉及人工智能研究提供借鉴和参考。本书可作为高等院校人工智能、模式识别、计算机科学与技术等专业的研究生或高年级本科生的专业基础课程的辅助教材，亦可供广大从事人工智能、计算机视觉、图像处理、模式识别研究与应用领域的科技工作者、高校师生阅读和参考。
|
| 關於作者： |
|
周开军，湖南商学院计算机与信息工程学院副教授，湖南省电子信息研究会理事。主持了国家自然科学基金青年项目"无限场景中的矿物浮选泡沫图像形态抽样表征方法研究”61304253、国家留学基金项目"图像时空上下文模式建模与目标识别”（201408430135）、湖南省教育厅重点项目"非接触式掌纹图像定位与分割方法研究”（15A100）、湖南省自然科学基金青年项目"多元知识驱动的混态粘连图像自学习分割方法研究”13JJ4093。湖南省自然科学基金面上项目：移动商务授权中的几何形变掌纹识别方法研究2018JJ2197。参与国家自然科学基金项目"面向安全认证的掌纹掌脉特征融合识别方法研究”（61471170）。作为技术负责人，承担了校企合作项目"矿物浮选泡沫图像视觉监控系统开发”、"面向移动商务授权的掌纹识别系统开发”。
|
| 目錄：
|
第1章绪论1
1.1图像视觉属性滤波方法的研究现状2
1.1.1基础形态学滤波器2
1.1.2广义形态学滤波器3
1.1.3Max-tree视觉属性滤波器4
1.1.4连通滤波方法的研究现状5
1.2车道线与车辆检测方法的研究现状6
1.2.1车道线检测方法的研究现状6
1.2.2车辆检测方法的研究现状6
1.3掌纹图像识别方法的研究现状8
1.4仿生视觉算法的研究现状9
1.5本书章节安排11
第2章基于Max-tree的图像视觉属性滤波方法13
2.1Max-tree的滤波规则13
2.1.1最小规则14
2.1.2直接规则16
2.1.3最大规则17
2.1.4减法规则19
2.2图像复原20
2.2.1最小规则复原20
2.2.2直接规则复原22
2.2.3最大规则复原23
2.2.4减法规则复原23
2.3二值图像面积属性滤波23
2.4灰度图像属性滤波27
2.4.1面积滤波29
2.4.2灰度值滤波33
2.4.3最小包围矩形滤波37
2.5滤波器性能比较40
2.6本章小结41
第3章基于多变量视觉属性分类的图像滤波方法43
3.1Max-tree构造与滤波规则43
3.2基于多变量属性分类规则的连通滤波算法44
3.2.1基于多变量属性的Max-tree构造44
3.2.2基于SVM的Max-tree节点属性分类算法46
3.3实验与分析47
3.3.1Max-tree的不同枝剪规则的性能比较47
3.3.2不同滤波方法的性能比较49
3.3.3多变量属性分类规则在掌纹与掌脉图像分割中的应用51
3.4本章小结54
第4章基于边缘与线条视觉信息的车道线检测方法55
4.1图像预处理55
4.1.1摄像头相关参数55
4.1.2系统参数设置56
4.2边缘提取与直线检测59
4.2.1边缘提取设计59
4.2.2直线检测设计61
4.3车道线检测方案设计61
4.3.1车道线模型设计62
4.3.2车道线候选对象的筛选62
4.3.3样条曲线拟合63
4.3.4重建车道区域64
4.3.5更新区域65
4.4系统总体设计66
4.4.1OpenCV简介66
4.4.2系统的流程设计67
4.5实验结果与分析67
4.5.1分步结果分析68
4.5.2结果分析69
4.6本章小结72
第5章基于HMAX仿生视觉模型的车辆检测方法73
5.1标准模型和HMAX模型73
5.1.1标准模型73
5.1.2HMAX模型75
5.2HMAX模型的层次结构75
5.2.1HMAX模型概述75
5.2.2HMAX模型的结构76
5.2.3HMAX模型的特点77
5.2.4HMAX模型存在的问题77
5.2.5HMAX模型分析78
5.3实验过程79
5.3.1实验环境构建79
5.3.2对自然场景下的图像进行特征提取81
5.3.3对简单场景下的车辆进行特征提取82
5.4实验结果与分析83
5.5本章小结85
第6章基于仿生视觉感知的交通标志牌检测方法86
6.1生物启发变换的RST不变属性特征提取框架86
6.2基于filter-filter结构的方向边缘检测方法87
6.2.1Gabor函数的图像滤波88
6.2.2融合双极滤波器与Gabor滤波器的方向边缘检测方法88
6.3空间的间距检测90
6.4仿真实验与分析92
6.4.1RST不变属性特征提取的有效性分析93
6.4.2RST不变属性特征提取方法的性能比较分析95
6.4.3过程参数的选取分析100
6.5提出的方法在交通标志牌识别中的应用102
6.6本章小结105
第7章基于生物启发变换的掌纹识别106
7.1BIT特征提取框架106
7.2相关的基础理论107
7.2.1Gabor滤波器池107
7.2.2基于相位一致性的方向边缘检测108
7.3提出的方法109
7.3.1方向边缘检测109
7.3.2局部空间频率检测111
7.4掌纹匹配方法113
7.5实验结果与分析113
7.5.1掌纹数据库和实验环境113
7.5.2有效性分析115
7.5.3掌纹验证118
7.5.4掌纹识别122
7.6本章小结124
第8章基于双生物启发变换网络的鲁棒掌纹图像识别125
8.1双生物启发变换网络框架125
8.2提出的方法127
8.2.1视觉信息处理机制127
8.2.2Gabor滤波器组129
8.2.3基于相位一致性的边缘检测算法129
8.2.4用于方向边缘检测的双极滤波器129
8.2.5局部空间频率双检测算子131
8.3掌纹匹配算法136
8.4实验结果与分析137
8.4.1掌纹数据库和实验环境137
8.4.2特征不变性和选择性分析139
8.4.3掌纹验证141
8.4.4掌纹辨识144
8.5本章小结145
第9章总结与展望146
9.1多视觉属性的图像形态滤波方法总结与展望146
9.2车道线与车辆检测方法总结与展望147
9.3车辆与车道线的仿生检测方法总结与展望148
参考文献149
|
| 內容試閱：
|
随着人工智能时代的来临，基于仿生视觉的图像处理成为体现计算机智能化水平的重要标志，也是目前国家重点研发计划类脑计算中亟待解决的关键问题。首先，视觉属性滤波方法在结构元素选取、滤波规则等方面存在局限性，因此，利用图像连通区域的多个视觉属性来设计分类判决规则，对含有大量不同灰度级与形态的视觉区域、边缘模糊和复杂内容结构的图像滤波具有重要作用。其次，车辆辅助驾驶中的车道线和车辆检测的主要难点包括：实际路面标记复杂，容易产生污渍、树荫等干扰；在十字路口时，车道线会消失；当车辆较多、车辆太靠近时，会遮挡车道线标志；在雨天、路面反光的情况下，干扰非常大；不同的光线强度影响检测稳定性等。因此，模拟人类视觉信号处理机制来进行车道线和车辆检测是可行的解决方案。最后，图像不变属性特征提取是提高图像识别率的重要手段。众所周知，人类视觉能准确感知旋转、比例缩放、平移（RST）和加噪后的图像。如何模拟生物视觉皮层，在不同功能阶段构建感知模型，并客观描述大脑视觉皮层细胞对线条响应的强度，使该模型能有效提取图像RST的不变属性特征，成为亟待解决的问题。
本书以图像视觉信息处理中的视觉属性滤波、车道线与车辆检测、掌纹识别和交通标志牌检测为研究内容，对最大树（Max-tree）构建、枝剪和复原方法进行阐述，设计出融合多种视觉属性的连通滤波算法，研究基于仿生视觉算法的车道线与车辆检测方法，提出受生物启发的变换方法，成功应用于掌纹识别和交通标志牌检测的过程。全书共9章，首先，设计以Max-tree为基础的形态学滤波器，对Max-tree的构建、枝剪和复原进行详细阐述，在此基础上融合图像的连通区域面积、灰度值及形状等属性，运用SVM方法对最大树节点进行多变量属性分类，通过图像重构，完成复杂结构图像滤波。然后，针对复杂环境下的车道线和车辆检测问题，探讨一种基于视频图像的车道线检测方法，分析HMAX仿生视觉模型的算法流程。最后，深入探讨受生物启发的不变属性仿生图像识别方法及双生物启发变换方法，并应用于掌纹识别和交通标志牌检测的过程。本书的第1章、第2章、第4章、第5章由余伶俐执笔，第3章由周鲜成执笔，第6章、第7章、第8章、第9章由周开军执笔，全书由周开军、余伶俐统稿。
本书是我们团队秉承为实为新的科研精神，在仿生图像处理与识别领域的近8年研究工作的总结，得到了国家自然科学基金项目（61304253、61471170、61403426）、湖南省自然科学基金项目（2018JJ2197、2018JJ2531）的资助。参与本书研究工作的团队包括湖南商学院研究生院院长周鲜成教授，中南大学信息科学与工程学院余伶俐博士、李仪博士等，他们对本书给予了指导与支持。还有研究生夏旭梅、裴林在完成研究工作的同时，为本书的撰写提供了许多宝贵资料，正是团队的勤奋工作和共同努力，使得本书得以顺利完成。作者在撰写书稿的过程中，还得到了美国布兰迪斯大学复杂系统国家实验室John Lisman和洪鹏宇教授的鼓励与指导。为此，特别感谢为本书的撰写做出重要贡献和给予大力支持的团队老师与研究生。此外，还感谢参考文献中所列国内外著作论文的研究工作者，他们的扎实工作构成了本书研究的基础。最后，对电子工业出版社的王晓庆编辑及相关同志表示衷心感谢，正是他们在出版过程中细致与辛苦的工作，使得本书能顺利与读者见面。
仿生视觉刚进入起步阶段，许多涉及计算生物学、图像处理、模式识别、人工智能的理论与应用还在不断发展，加之作者水平有限、时间仓促，书中存在不妥之处，恳请读者和专家们批评指正。
周开军 周鲜成 余伶俐
2018年12月
于湖南商学院
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
