视频分析算法60讲9787030423696
正版图书，可开发票，请放心购买。
￥ 59.25 7.5折 ￥ 79 全新
库存29件
广东广州
认证卖家担保交易快速发货售后保障
作者谢剑斌[等]编著
出版社科学出版社
ISBN9787030423696
出版时间2013-01
装帧平装
开本16开
定价79元
货号8373529
上书时间2024-12-23
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
谢剑斌，博士后，曾于新加坡国立大学访问学习，现为国防科技大学电子科学与工程学院教授，中国生物特征识别国家标准组委员、中国数字电视国家标准组委员、中国图象图形学会不错会员、计算机学会不错会员、电光与控制编委会委员。长期从事数字视频分析与生物特征识别方面的研究工作，参与和主持国家863项目3项、国防预研项目2项、航空基金项目1项、国家标准项目2项、公安部创新计划项目3项、横向项目17项。参与制定安全防范系统生物特征识别国家标准、面向安全监视的视频获取国家标准、数字电视地面传输国家标准、机载TFT 液晶显示器军用标准。发表学术论文70多篇，出版专著4部，授权国家发明专利15项、实用新型专利27项。获湖南省科技进步二等奖1项，公安部技术革新成果特别项目奖2项，靠前发明展金奖2项，全国发明展览会金奖1项、铜奖1项。刘通，博士，讲师，任职于国防科学技术大学。长期从事海量视频分析与生物特征识别方面的研究工作，作为技术骨干参与重量项目3项、省部级项目17项。在靠前外知名期刊发表学术论文29篇，参与出版专著2部，获国家发明专利授权13项、实用新型专利26项。荣获靠前发明展金奖2项，湖南省科技进步二等奖1项，公安部技术革新特别项目奖2项和全国发明展金奖1项、铜奖1项。
闫玮，博士，讲师，任职于国防科学技术大学。长期从事海量视频分析与生物特征识别方面的研究工作，作为技术骨干参与重量项目3项、省部级项目15项。在靠前外知名期刊发表学术论文23篇，参与出版专著2部，获国家发明专利授权13项、实用新型专利28项。荣获靠前发明展金奖2项,湖南省科技进步二等奖I项，公安部技术革新特别项目奖2项和全国发明展金奖1项、铜奖1项。
李沛秦，博士，讲师，任职于国防科学技术大学。长期从事海量视频分析与生物特征识别方面的研究工作，作为技术骨干参与重量项目3项、省部级项目13项。在靠前外知名期刊发表学术论文25篇，参与出版专著2部，获国家发明专利授权14项、实用新型专利28项。荣获靠前发明展金奖2项，湖南省科技进步二等奖1项，公安部技术革新特别项目奖2项和全国发明展金奖1项、铜奖1项。
Dr. Yan Shuicheng is currently an Associate Professor in the Department of Electrical and Computer Engineering at National University of Singapore, and the founding lead of the Learning and Vision Research Group (). Dr. Yan s research areas include computer vision, multimedia and machine learning, and he has authored/co-authored over 300 technical papers over a wide range of research topics, with Google Scholar citation >12570 times and H-index-50. He is an associate editor of IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT) and ACM Transactions on Intelligent Systems and Technology (ACM TIST). He received the Best Paper/Demo Awards from ACM MM 13,ACM MM 12, PCM ll, ACM MM 10, ICME 10 and ICIMCS 09, the winner prizes of the classification task in PASCAL VOC 2010-2012, the winner prize of the segmentation task in PASCAL VOC 2012, the honourable mention prize of the detection task in PASCAL VOC 10, 2010 TCSVT Best Associate Editor (BAE) Award,2010 Young Faculty Research Award,2011 Singapore Young Scientist Award,and 2012 NUS Young Researcher Award.
目录
序 前言
第1篇算子
第1讲 Moravec算子
第2讲 Forstner算子
第3讲 Harris算子
第4讲 SUSAN算子
第5讲 CSS算子
第6讲 FAST算子
第7讲 DoG算子
第8讲 LoG算子
第2篇描述子
第9讲 Hu矩描述子
第10讲 Legendre矩描述子
第11讲 傅里叶描述子
第12讲 HOG描述子
第13讲 LBP描述子
第14讲 Haar描述子
第15讲 SIFT描述子
第16讲 SURF描述子
第3篇滤波
第17讲 Butterworth滤波
第18讲 Chebyshev滤波
第19讲 椭圆滤波
第20讲 递归中值滤波
第21讲 乘滤波
第22讲 维纳滤波
第23讲 卡尔曼滤波
第24讲 同态滤波
第25讲 双边滤波
第26讲 Guided滤波
第4篇变换
第27讲 K-L变换
第28讲 DCT 110第29讲 Gabor变换
第30讲 小波变换 119第31讲 Haar变换
第32讲 LPT
第33讲 Hough变换
第5篇方法
第34讲 相似性度量方法
第35讲 直方图双峰法
第36讲 分水岭方法
第37讲 区域分裂合并方法
第38讲 OTSU方法
第39讲 维熵方法
第40讲 二维交叉熵方法
第41讲 PCNN方法
第42讲 侧抑制网络
第43讲 背景减除法
第44讲 时间差分法
第45讲 数学形态学
第46讲 光流法
第47讲 Mean Shift方法
第48讲 CamShift方法
第49讲 梯度下降法 211第50讲 牛顿迭代法
第51讲 共轭梯度法
第52讲 禁忌搜索方法
第53讲 罚函数方法
第54讲 模拟退火方法
第55讲 贝叶斯方法
第56讲 K均值聚类方法
第57讲 AdaBoost方法
第58讲 SVM方法
第59讲 PCA方法
第60讲 2D PCA方法
第61讲 LDA方法
第62讲 2D LDA方法
内容摘要
第 1篇算子
本篇重点介绍 Moravec?Forstner?Harris?SUSAN?CSS?FAST?DoG?LoG等常用算子? Moravec算子是昀早提出的角点检测算子,计算速度快;对噪声干扰非常敏感;兴趣值的计算方向偏少? Forstner算子是摄影测量中著名的点定位算子,计算速度快?精度高;受图像灰度?对比度变化的影响较大? Harris算子是比较稳定的点特征提取算子,对图像旋转?灰度变化?噪声和视点变换不敏感,不具有尺度不变性? SUSAN算子可以检测角点和边缘,精度好,具有很好的稳定性;存在采用固定阈值和定位不够精确的问题? CSS算子在曲线尺度空间采用高斯平滑法,滤掉噪声和不重要的微弱结构,角点检测效果好;难以确定复杂视频图像的尺度? FAST算子具有平移和旋转不变性?可靠性高?计算量小的特点,阈值设定依赖于人的干涉,抗噪性能较差? DoG算子可以很好地近似视网膜神经节细胞的视野,增加边缘和细节的可见性,实现简单;在调整图像对比度时信息量会减少? LoG算子结合高斯平滑滤波和拉普拉斯锐化滤波,先平滑掉噪声,再检测边缘,定位精度高;在边缘定位精度和消除噪声级间存在矛盾?
第 1讲 Moravec算子
Moravec算子由美国斯坦福大学(Stanford University)的 Moravec[1-2]于 1977年提出,通过定义兴趣值(interest value)进行闭值处理和非昀大值抑制,昀终确定角点?
一?基本原理
点特征指图像中的明显点(如角点?圆点等),是图像匹配和定位中的常用特征?用于点特征提取的算子称为兴趣算子,如图 1-1所示,自 20世纪 70年代以来出现多种各有特色的兴趣算子?
图 1-1 兴趣算子提出时间表
Moravec算子计算待处理图像每一个像素四个主要方向(水平?垂直?两对角线,即 0°?45°?90°?135°)上的灰度方差,并选择灰度方差符合昀大-昀小条件的像素点作为待处理图像的特征点?首先以像素四个主要方向上的昀小灰度方差表示该像素与邻近像素的灰度变化情况,即像素的兴趣值;然后在图像的局部选择具有昀大兴趣值的点作为特征点,即灰度变化明显的点[3]?
二?仿真实验
求取 Moravec算子的具体流程如下?
(1)计算图像中各像素的兴趣值?如图 1-2所示,计算像素 (, )cr为中心的 nn的图像窗
cr的兴趣值?在以像素 (,)×口中(如 5×5),计算四个主要方向(水平?垂直?两个对角线,即图中的 a?b?c?d四条线)相邻像素灰度(g)差的平方和,其表达式为
(2)给定一个经验阈值,将兴趣值大于该阈值的像素作为候选点?阈值的选择应以候选点中包含所需要的主要特征点而又不包含过多的非特征点为原则?
图 1-2 Moravec算子的四个方向(3)在一定大小的窗口内,将候选点中兴趣值昀大者作为该窗口区域的特征点?该步骤称为“抑制局部非昀大”,是一种应用广泛的思想[4]?
(4)如果两个特征点之间的距离过短,则去掉其中一个特征点?
三?算法特点
Moravec算子是昀早提出的角点检测算子,简单直观,计算速度快? Moravec算子没有对图像进行降噪处理,对噪声干扰非常敏感;对图像的边缘响应很敏感;在计算像素点的兴趣值时考虑的不够全面?
参 考 文 献
[1] Moravec H P. Towards automatic visual obstacle avoidance// Proceedings 5th International Joint Conference on Artificial Intelligence, 1977: 584-600.
[2] Moravec H P. Obstacle avoidance and navigation in the real world by a seeing robot rover. Tech Report CMU-RI-TR-80-03, 1980.
[3] 吴萌, 龚可. 关于 Moravec算子的一些讨论 . 中国科技成果 , 2011, 16: 67-69.
[4] 陈淑荞 . 数字图像特征点提取及匹配的研究 [硕士学位论文 ].西安: 西安科技大学 , 2009.
第 2讲 Forstner算子
Forstner算子是德国斯图加特大学( University of Stuttgart)的 F.rstner等[1]于 1987年的 ISPRS(International Society for Photogrammetry and Remote Sensing)研讨会上提出的,是一种从视频图像中提取角点?圆点等特征的有效算子?
一?基本原理
Forstner算子以待处理图像中各像素的 Robert梯度和灰度协方差矩阵为兴趣值,通过抑制局部极小值准则衡量各像素点的兴趣值,提取待处理图像中的特征点 [2]?
Forstner算子的求取过程分为以下两步?
1.最佳窗口
如图 2-1所示,对于以每个像素为中心?大小为 5× 5的局部窗口,计算其对应的兴趣值 q和 w?将所有兴趣值大于给定阈值(经验值)的窗口作为候选昀佳窗口,进而通过抑制局部非昀大候选昀佳窗口,得到昀佳窗口?
获取所有像素点的 q?w值的计算量很大,减少计算量的可行方法之一是先计算每一个像素点在 x正反方向和 y正反方向上共计 4个 Robert梯度值的绝对值,然后在这 4个值均大于某个给定阈值时才进行 q? w值的计算? 图 2-1 Forstner算子的窗口
Robert梯度的计算公式为
式中, f(x,y)为像素灰度值?
2.角点定位
在昀佳窗口内,通过衡量经过每个像素点的梯度直线的加权中心化结果,可以实现圆状点的检测;通过衡量经过每个像素点的边缘直线(垂直于梯度方向)的加权中心化结果,可以实现角点的检测?
如图 2-2所示,设昀佳窗口的左上角像素为坐标原点, (,)
式中, ρ为坐标原点与直线 l的垂直距离; θ为对应的梯度角?
图 2-2 角点定位示意图
设角点坐标为 (,是角点到直线 lrc), v的垂直距离,则
式中, gc? gr的 Robert梯度;权 ωrc [3]g为点ω(r,c)实质上是一个边缘尺度 ?对式( 2-2c)法化,得到法方程为
式(2-3)的解 (,rc)即为所求的角点坐标?
二?仿真实验
求取 Forstner算子流程如下?
(1)计算各像素的 Robert梯度?
(2)计算 n×n窗口中灰度协方差矩阵?
(3)计算兴趣值 q与 w?
(4)确定待选点?
(5)选取极值点?
三?算法特点
Forstner算子是摄影测量中著名的点定位算子,借助于加权中心化这一操作,
可以在昀佳窗口内将定位精度提高到亚像素,且计算速度快 [4]? Forstner算子需要确定阈值,受图像灰度?对比度变化的影响较大 [5]?
主编推荐
《视频分析算法60讲》可作为计算机、自动化、电子与通信等专业高年级本科生和研究生的教材，也可作为从事视频分析与智能识别领域研发人员的参考资料。
精彩内容
绍了60 多种有关视频分析的算子、描述子、滤波、变换、方法的基本理论，
深入地阐述了视频分析算法的改进措施和实验仿真，系统地总结了其优缺
点， 并提供配套的实验仿真源代码和视频图像库。相关资料详见
www.kedachang.com。
《视频分析算法60 讲》重视如何将视频分析算法的基础理论和实验仿真有机结合，
解决视觉分析领域中的诸多基础问题，可应用于机器视觉、大数据分析、
生物特征识别和智能视频监控等领域。
媒体评论
— 没有更多了 —
以下为对购买帮助不大的评价