智能視頻圖像處理技術(shù)與應(yīng)用

第1章 緒論
1．1 圖像增強(qiáng)現(xiàn)狀
1．2 特征點(diǎn)提取及配準(zhǔn)現(xiàn)狀
1．3 動(dòng)態(tài)目標(biāo)檢測(cè)現(xiàn)狀
1．4 遺留物檢測(cè)現(xiàn)狀
1．5 動(dòng)態(tài)目標(biāo)跟蹤現(xiàn)狀
1．6 本書研究?jī)?nèi)容與技術(shù)路線
1．6．1 研究?jī)?nèi)容
1．6．2 技術(shù)路線
第2章 視頻圖像的增強(qiáng)
2．1 圖像增強(qiáng)
2．1．1 灰度直方圖統(tǒng)計(jì)方法
2．1．2 圖像空域增強(qiáng)
2．1．3 二維頻域增強(qiáng)的依據(jù)
2．1．4 圖像銳化的處理過程
2．2 圖像增強(qiáng)的特征值提取
2．2．1 梯度測(cè)度
2．2．2 標(biāo)準(zhǔn)差測(cè)量
2．2．3 峰度分布測(cè)量
2．2．4 熵值提取
2．2．5 分形維數(shù)提取方法分析
2．2．6 模糊熵與分形維的關(guān)系
2．2．7 相似度測(cè)量分析
2．3 基于模糊熵判別準(zhǔn)則合理提取LFFD的相似度增強(qiáng)算法
2．4 圖像邊緣檢測(cè)
2．4．1 Canny邊緣檢測(cè)分析
2．4．2 基于小波分解的Canny邊緣檢測(cè)算法的提出
2．5 煤礦井下圖像增強(qiáng)實(shí)驗(yàn)與分析
2．5．1 基于模糊熵判別準(zhǔn)則合理提取LFFD的相似度增強(qiáng)實(shí)驗(yàn)分析
2．5．2 基于小波分解的Canny煤礦支護(hù)邊緣檢測(cè)實(shí)驗(yàn)分析
2．6 小結(jié)
第3章 視頻圖像的特征點(diǎn)提取及配準(zhǔn)
3．1 特征點(diǎn)提取
3．1．1 Harris特征點(diǎn)提取
3．1．2 SIFT特征點(diǎn)提取
3．2 圖像特征點(diǎn)配準(zhǔn)
3．2．1 灰度相關(guān)法匹配算法
3．2．2 特征描述子的匹配方法
3．2．3 基于相關(guān)法的歐氏距離配準(zhǔn)算法的提出
3．3 煤礦井下實(shí)驗(yàn)與分析
3．3．1 特征點(diǎn)提取實(shí)驗(yàn)分析
3．3．2 特征點(diǎn)匹配實(shí)驗(yàn)分析
3．4 小結(jié)
第4章 動(dòng)態(tài)目標(biāo)的檢測(cè)
4．1 動(dòng)態(tài)目標(biāo)檢測(cè)算法分析
4．1．1 光流法
4．1．2 幀間差分法
4．1．3 背景差分法
4．1．4 幾種背景模型的建議
4．2 基于CBM的目標(biāo)空間整體性背景更新算法
4．2．1 CBM對(duì)微動(dòng)目標(biāo)的失真分析
4．2．2 基于CBM的目標(biāo)空間整體性背景更新算法的提出
4．2．3 基于CBM的目標(biāo)空間整體性背景更新算法的步驟
4．3 動(dòng)態(tài)檢測(cè)中的陰影去除
4．3．1 顏色空間轉(zhuǎn)換
4．3．2 HSV空間陰影去除
4．3．3 基于HSV空間的碼字分量平均算法
4．4 動(dòng)態(tài)目標(biāo)檢測(cè)實(shí)驗(yàn)與分析
4．4．1 基于CBM的目標(biāo)空間整體性背景更新實(shí)驗(yàn)分析
4．4．2 基于HSV空間的碼字分量平均算法實(shí)驗(yàn)分析
4．5 小結(jié)
第5章 遺留物的檢測(cè)
5．1 動(dòng)態(tài)目標(biāo)檢測(cè)算法在遺留物檢測(cè)中的不足
5．2 基于雙背景模型的遺留物檢測(cè)算法分析
5．3 基于歷史像素穩(wěn)定度的遺留物檢測(cè)算法
5．3．1 算法提出的依據(jù)
5．3．2 算法步驟
5．4 遺留物檢測(cè)實(shí)驗(yàn)與分析
5．5 小結(jié)
第6章 動(dòng)態(tài)目標(biāo)的跟蹤
6．1 基于Kalman濾波器的跟蹤算法分析
6．1．1 Kalman濾波器原理
6．1．2 Kalman濾波器跟蹤算法
6．2 基于Mean Shift的目標(biāo)跟蹤算法分析
6．3 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法
6．3．1 多特征目標(biāo)跟蹤算法分析
6．3．2 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法依據(jù)與步驟
6．4 離散場(chǎng)景同一目標(biāo)跟蹤融合算法
6．4．1 CBWH算法分析
6．4．2 CBWH改進(jìn)算法提出
6．4．3 離散同一目標(biāo)跟蹤融合算法的步驟與條件
6．5 動(dòng)態(tài)目標(biāo)跟蹤實(shí)驗(yàn)與分析
6．5．1 Kalman濾波器跟蹤算法實(shí)驗(yàn)分析
6．5．2 Mean Shift目標(biāo)跟蹤算法實(shí)驗(yàn)分析
6．5．3 基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法實(shí)驗(yàn)分析
6．5．4 離散場(chǎng)景同一目標(biāo)跟蹤融合算法實(shí)驗(yàn)分析
6．6 小結(jié)
第7章 基于三頻彩色條紋投影輪廓術(shù)的微變監(jiān)測(cè)
7．1 三維測(cè)量相關(guān)技術(shù)簡(jiǎn)介
7．2 三頻彩色條紋投影輪廓術(shù)的技術(shù)原理
7．2．1 經(jīng)驗(yàn)?zāi)Ｊ椒纸?br />7．2．2 背景消減和顏色解耦
7．2．3 三頻變精度相位展開
7．2．4 紋理恢復(fù)原理
7．2．5 亞像素級(jí)匹配
7．3 模擬微變監(jiān)測(cè)實(shí)驗(yàn)與分析
7．4 小結(jié)
附錄
附錄A 視頻圖像采集
附錄B 視頻圖像壓縮JPEG與JPEG2000
附錄C 移動(dòng)目標(biāo)檢測(cè)中的幀間差分法
附錄D 二維運(yùn)動(dòng)估計(jì)中的三步搜索法
參考文獻(xiàn)