智能視頻圖像處理技術與應用

第1章 緒論
1．1 圖像增強現(xiàn)狀
1．2 特征點提取及配準現(xiàn)狀
1．3 動態(tài)目標檢測現(xiàn)狀
1．4 遺留物檢測現(xiàn)狀
1．5 動態(tài)目標跟蹤現(xiàn)狀
1．6 本書研究內容與技術路線
1．6．1 研究內容
1．6．2 技術路線
第2章 視頻圖像的增強
2．1 圖像增強
2．1．1 灰度直方圖統(tǒng)計方法
2．1．2 圖像空域增強
2．1．3 二維頻域增強的依據(jù)
2．1．4 圖像銳化的處理過程
2．2 圖像增強的特征值提取
2．2．1 梯度測度
2．2．2 標準差測量
2．2．3 峰度分布測量
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系
2．2．7 相似度測量分析
2．3 基于模糊熵判別準則合理提取LFFD的相似度增強算法
2．4 圖像邊緣檢測
2．4．1 Canny邊緣檢測分析
2．4．2 基于小波分解的Canny邊緣檢測算法的提出
2．5 煤礦井下圖像增強實驗與分析
2．5．1 基于模糊熵判別準則合理提取LFFD的相似度增強實驗分析
2．5．2 基于小波分解的Canny煤礦支護邊緣檢測實驗分析
2．6 小結
第3章 視頻圖像的特征點提取及配準
3．1 特征點提取
3．1．1 Harris特征點提取
3．1．2 SIFT特征點提取
3．2 圖像特征點配準
3．2．1 灰度相關法匹配算法
3．2．2 特征描述子的匹配方法
3．2．3 基于相關法的歐氏距離配準算法的提出
3．3 煤礦井下實驗與分析
3．3．1 特征點提取實驗分析
3．3．2 特征點匹配實驗分析
3．4 小結
第4章 動態(tài)目標的檢測
4．1 動態(tài)目標檢測算法分析
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的目標空間整體性背景更新算法
4．2．1 CBM對微動目標的失真分析
4．2．2 基于CBM的目標空間整體性背景更新算法的提出
4．2．3 基于CBM的目標空間整體性背景更新算法的步驟
4．3 動態(tài)檢測中的陰影去除
4．3．1 顏色空間轉換
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 動態(tài)目標檢測實驗與分析
4．4．1 基于CBM的目標空間整體性背景更新實驗分析
4．4．2 基于HSV空間的碼字分量平均算法實驗分析
4．5 小結
第5章 遺留物的檢測
5．1 動態(tài)目標檢測算法在遺留物檢測中的不足
5．2 基于雙背景模型的遺留物檢測算法分析
5．3 基于歷史像素穩(wěn)定度的遺留物檢測算法
5．3．1 算法提出的依據(jù)
5．3．2 算法步驟
5．4 遺留物檢測實驗與分析
5．5 小結
第6章 動態(tài)目標的跟蹤
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的目標跟蹤算法分析
6．3 基于多特征判定準則的目標跟蹤融合算法
6．3．1 多特征目標跟蹤算法分析
6．3．2 基于多特征判定準則的目標跟蹤融合算法依據(jù)與步驟
6．4 離散場景同一目標跟蹤融合算法
6．4．1 CBWH算法分析
6．4．2 CBWH改進算法提出
6．4．3 離散同一目標跟蹤融合算法的步驟與條件
6．5 動態(tài)目標跟蹤實驗與分析
6．5．1 Kalman濾波器跟蹤算法實驗分析
6．5．2 Mean Shift目標跟蹤算法實驗分析
6．5．3 基于多特征判定準則的目標跟蹤融合算法實驗分析
6．5．4 離散場景同一目標跟蹤融合算法實驗分析
6．6 小結
第7章 基于三頻彩色條紋投影輪廓術的微變監(jiān)測
7．1 三維測量相關技術簡介
7．2 三頻彩色條紋投影輪廓術的技術原理
7．2．1 經(jīng)驗模式分解
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 紋理恢復原理
7．2．5 亞像素級匹配
7．3 模擬微變監(jiān)測實驗與分析
7．4 小結
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 移動目標檢測中的幀間差分法
附錄D 二維運動估計中的三步搜索法
參考文獻