視頻監(jiān)控與小波紋理：面向視神經(jīng)細(xì)胞模型復(fù)雜環(huán)境感知與定位的圖像理解技術(shù)
定 價：65 元
- 作者：李建平，郭崇云，劉永兵 等
- 出版時間：2014/4/1
- ISBN：9787564723002
- 出 版 社：電子科技大學(xué)出版社
- 中圖法分類：O174.22
- 頁碼：250
- 紙張：膠版紙
- 版次：1
- 開本：16K
對非結(jié)構(gòu)化、隨機(jī)性自然場景的感知和理解，是視覺成像處理系統(tǒng)中具有挑戰(zhàn)性的前沿課題�！兑曨l監(jiān)控與小波紋理：面向視神經(jīng)細(xì)胞模型復(fù)雜環(huán)境感知與定位的圖像理解技術(shù)》以視覺圖像獲取、分析、增強(qiáng)、處理為主線，以視頻監(jiān)控、小波紋理為基礎(chǔ)，重點研究面向視神經(jīng)細(xì)胞模型復(fù)雜環(huán)境感知與定位的圖像處理新技術(shù)，通過借鑒生物視覺模型，將場景表達(dá)與認(rèn)知學(xué)新視覺特征進(jìn)行融合，為場景感知和辨識提供一種新的技術(shù)手段。受視神經(jīng)細(xì)胞認(rèn)知智能啟發(fā)，特別是利用生物視覺皮層上的Vl細(xì)胞，具有類似于Gabor濾波器和高斯拉普拉斯濾波器特性，借助小波變換和獨立分量分析原理，探索新型算法，研究白適應(yīng)自然場景感知和新的識別技術(shù)。其中，通過生物視覺模型的研究，將認(rèn)知學(xué)新特征與場景表達(dá)相融合，提升自然場景圖像的自適應(yīng)辨識能力。為此，作者提出了新的相關(guān)算法，解決視覺圖像處理系統(tǒng)中面臨的自然場景多樣性、隨機(jī)性、復(fù)雜性以及運動性所帶來的關(guān)鍵理論問題，揭示其內(nèi)在規(guī)律與辯證特性，為機(jī)器人視覺感知、視頻監(jiān)控異常處理、智能化預(yù)警和海量圖像的快速檢索和高效攝像存儲等領(lǐng)域，提供新的科學(xué)研究方法和手段。
《視頻監(jiān)控與小波紋理：面向視神經(jīng)細(xì)胞模型復(fù)雜環(huán)境感知與定位的圖像理解技術(shù)》可以作為計算機(jī)與軟件、通信工程、互聯(lián)網(wǎng)技術(shù)、云計算與信息安全、大數(shù)據(jù)分析與挖掘等相關(guān)專業(yè)的高年級本科生、碩士研究牛、博士研究生、教師的教材和教學(xué)參考書，可作為高等院校、研究機(jī)構(gòu)、企事業(yè)單位的分析研究人員的重要參考書。
上篇
第一章 視頻監(jiān)控系統(tǒng)緒論
1.1 視頻監(jiān)控概述
1.2 國內(nèi)外現(xiàn)狀和發(fā)展趨勢
1.2.1 國內(nèi)外現(xiàn)狀
1.2.2 發(fā)展趨勢
1.3 視頻監(jiān)控系統(tǒng)的幾個關(guān)鍵技術(shù)
1.3.1 自動人臉識別
1.3.2 視頻增強(qiáng)
1.3.3 視頻編碼優(yōu)化
1.4 本章小結(jié)
第二章 視頻監(jiān)控中人臉特征描述方法研究
2.1 引言
2.1.1 人臉識別概述
2.1.2 視頻監(jiān)控中的人臉識別
2.1.3 人臉識別的光照問題
2.1.4 小結(jié)
2.2 一種基于輪廓波變換的光照魯棒人臉特征描述方法
2.2.1 輪廓波變換與圖像處理
2.2.2 對數(shù)人臉光照模型
2.2.3 基于輪廓波去噪模型的光照魯棒特征提取
2.2.4 實驗結(jié)果與分析
2.2.5 結(jié)論
2.3 一種基于混合投影函數(shù)和圖像熵的光照魯棒人臉特征描述方法
2.3.1 投影函數(shù)
2.3.2 圖像熵
2.3.3 混合投影特征提取
2.3.4 實驗結(jié)果與分析
2.3.5 結(jié)論
2.4 本章小結(jié)
第三章 視頻監(jiān)控中視頻增強(qiáng)方法研究
3.1 引言
3.2 算法描述
3.2.1 RGB色彩空間與YCbCr色彩空間的轉(zhuǎn)換
3.2.2 小波變換與數(shù)字圖像處理
3.2.3 基于小波變換的光照分離
3.2.4 背景估計和運動區(qū)域檢測
3.2.5 融合規(guī)則和圖像重構(gòu)
3.2.6 算法流程
3.3 實驗結(jié)果與分析
3.4 本章小結(jié)
第四章 視頻監(jiān)控中視頻編碼快速算法研究
4.1 引言
4.1.1 H.264／AVC視頻編碼
4.1.2 可伸縮視頻編碼
4.1.3 小結(jié)
4.2 一種適宜于H.2 64／AVC：的幀間快速編碼算法
4.2.1 相關(guān)研究
4.2.2 利用運動和紋理預(yù)測
4.2.3 利用時間和空間相關(guān)性預(yù)測
4.2.4 算法流程
4.2.5 實驗結(jié)果與分析
4.2.6 結(jié)論
4.3 一種質(zhì)量可伸縮編碼中增強(qiáng)層幀間快速算法
4.3.1 相關(guān)研究
4.3.2 模式選擇的基本原理
4.3.3 算法流程
4.3.4 實驗結(jié)果與分析
4.3.5 結(jié)論
4.4 本章小結(jié)
第五章 上篇總結(jié)與展望
5.1 工作總結(jié)
5.2 展望
上篇參考文獻(xiàn)
中篇
第六章 Copula驅(qū)動的小波域紋理特征提取緒論
第七章 小波變換理論
第八章 Copula模型及其參數(shù)估計
第九章 小波域依賴關(guān)系及常用多維模型
第十章 傳統(tǒng)小波域Copula多維模型
第十一章 方向小波域與平穩(wěn)小波域Copula多維模型
第十二章 復(fù)數(shù)小波域Copula多維模型
第十三章 中篇總結(jié)與展望
下篇
第十四章 基于生物視覺感知機(jī)制的圖像理解緒論
第十五章 視皮層感知機(jī)制
第十六章 多特征彩色圖像分割模型
第十七章 BU&TD圖像分割模型
第十八章 多特征場景分類模型
第十九章 BU&TD目標(biāo)識別模型
第二十章 下篇總結(jié)與展望
書單推薦
