|
|
|
上篇 機器視覺理論與算法
第1章 機器視覺
1.1機器視覺的作用
1.2機器視覺的硬體構成
1.2.1電腦
1.2.2圖像採集設備
1.3機器視覺的軟體及編程工具
1.4機器視覺、機器人和智慧裝備
1.5機器視覺的功能與精度
第2章 圖像處理
2.1圖像處理的發展過程
2.2數位圖像的採樣與量化
2.3彩色圖像與灰階圖像
2.4圖像文件及視頻文件格式
2.5數位圖像的電腦表述
2.6常用圖像處理算法及其通用性問題
參考文獻
第3章 目標提取
3.1如何提取目標物體
3.2基於閾值的目標提取
3.2.1二值化處理
3.2.2閾值的確定
3.3基於顔色的目標提取
3.3.1色相、亮度、飽和度及其他
3.3.2顔色分量及其組合處理
3.4基於差分的目標提取
3.4.1幀間差分
3.4.2背景差分
參考文獻
第4章 邊緣檢測
4.1邊緣與圖像處理
4.2基於微分的邊緣檢測
4.3基於模板匹配的邊緣檢測
4.4邊緣圖像的二值化處理
4.5細線化處理
4.6Canny 算法
參考文獻
第5章 圖像平滑處理
5.1圖像噪聲及常用平滑方式
5.2移動平均
5.3中值濾波
5.4高斯濾波
5.5模糊圖像的清晰化處理
5.5.1對比度增強
5.5.2自動對比度增強
5.5.3直方圖均衡化
5.5.4暗通道先驗法去霧處理
5.6二值圖像的平滑處理
參考文獻
第6章 幾何參數檢測
6.1基於圖像特徵的自動識别
6.2二值圖像的特徵參數
6.3區域標記
6.4基於特徵參數提取物體
6.5基於特徵參數消除噪聲
參考文獻
第7章 Hough 變換
7.1傳統Hough 變換的直線檢測
7.2過已知點Hough 變換的直線檢測
7.3Hough 變換的曲線檢測
參考文獻
第8章 幾何變換
8.1關於幾何變換
8.2放大縮小
8.3平移
8.4旋轉
8.5複雜變形
8.6齊次坐標表示
參考文獻
第9章 單目視覺測量
9.1硬體構成
9.2攝影機模型
9.2.1參考坐標係
9.2.2攝影機模型分析
9.3攝影機標定
9.4標定尺檢測
9.4.1定位追踪起始點
9.4.2藍黄邊界檢測
9.4.3確定角點坐標
9.4.4單應矩陣計算
9.5標定結果分析
9.6標識點自動檢測
9.7手動選取目標
9.8距離測量分析
9.8.1透視畸變對測距精度的影響
9.8.2目標點與標定點的距離對測距精度的影響
9.9面積測量算法
9.9.1獲取待測區域輪廓點集
9.9.2最小凸多邊形擬合
9.9.3多邊形面積計算
9.9.4測量實例
參考文獻
第10章 雙目視覺測量
10.1雙目視覺系統的結構
10.1.1平行式立體視覺模型
10.1.2匯聚式立體視覺模型
10.2攝影機標定
10.2.1直接線性標定法
10.2.2張正友標定法
10.2.3攝影機參數與投影矩陣的轉換
10.3標定測量試驗
10.3.1直接線性標定法試驗
10.3.2張正友標定法試驗
10.3.3三維測量試驗
參考文獻
第11章 運動圖像處理
11.1光流法
11.1.1光流法的基本概念
11.1.2光流法用於目標追蹤的原理
11.2模板匹配
11.3運動圖像處理實例
11.3.1羽毛球技戰術實時圖像檢測
11.3.2蜜蜂舞蹈行為分析
參考文獻
第12章 傅立葉變換
12.1頻率的世界
12.2頻率變換
12.3離散傅立葉變換
12.4圖像的二維傅立葉變換
12.5濾波處理
參考文獻
第13章 小波變換
13.1小波變換概述
13.2小波與小波變換
13.3離散小波變換
13.4小波族
13.5信號的分解與重構
13.6圖像處理中的小波變換
13.6.1二維離散小波變換
13.6.2圖像的小波變換編程
參考文獻
第14章 模式識别
14.1模式識别與圖像識别的概念
14.2圖像識别系統的組成
14.3圖像識别與圖像處理和圖像理解的關係
14.4圖像識别方法
14.4.1模板匹配方法
14.4.2統計模式識别
14.4.3新的模式識别方法
14.5人臉圖像識别系統
參考文獻
第15章 神經網路
15.1人工神經網路
15.1.1人工神經網路的生物學基礎
15.1.2人工神經元
15.1.3人工神經元的學習
15.1.4人工神經元的激活函數
15.1.5人工神經網路的特點
15.2BP 神經網路
15.2.1BP 神經網路簡介
15.2.2BP 神經網路的訓練學習
15.2.3改進型BP 神經網路
15.3BP 神經網路在數位字符識别中的應用
15.3.1BP 神經網路數位字符識别系統原理
15.3.2網路模型的建立
15.3.3數位字符識别演示
參考文獻
第16章 深度學習
16.1深度學習的發展歷程
16.2深度學習的基本思想
16.3淺層學習和深度學習
16.4深度學習與神經網路
16.5深度學習訓練過程
16.6深度學習的常用方法
16.6.1自動編碼器
16.6.2稀疏編碼
16.6.3限制波爾兹曼機
16.6.4深信度網路
16.6.5卷積神經網路
16.7基於卷積神經網路的手寫體字識别
16.7.1手寫字識别的卷積神經網路結構
16.7.2卷積神經網路文字識别的實現
參考文獻
第17章 遺傳算法
17.1遺傳算法概述
17.2簡單遺傳算法
17.2.1遺傳表達
17.2.2遺傳算子
17.3遺傳參數
17.3.1交叉率和變異率
17.3.2其他參數
17.3.3遺傳參數的確定
17.4適應度函數
17.4.1目標函數映射為適應度函數
17.4.2適應度函數的尺度變換
17.4.3適應度函數設計對GA 的影響
17.5模式定理
17.5.1模式的幾何解釋
17.5.2模式定理
17.6遺傳算法在模式識别中的應用
17.6.1問題的設定
17.6.2GA 的應用方法
17.6.3基於GA 的雙目視覺匹配
參考文獻
下篇 機器視覺應用系統
第18章 通用圖像處理系統ImageSys
18.1系統簡介
18.2狀態窗
18.3圖像採集
18.3.1DirectX 直接採集
18.3.2VFW PC 相機採集
18.3.3A/D 圖像卡採集
18.4直方圖處理
18.4.1直方圖
18.4.2線剖面
18.4.33D 剖面
18.4.4累計分佈圖
18.5顔色測量
18.6顔色變換
18.6.1顔色亮度變換
18.6.2HSI 表示變換
18.6.3自由變換
18.6.4RGB 顔色變換
18.7幾何變換
18.7.1仿射變換
18.7.2透視變換
18.8頻率域變換
18.8.1小波變換
18.8.2傅立葉變換
18.9圖像間變換
18.9.1圖像間演算
18.9.2運動圖像校正
18.10濾波增強
18.10.1單模板濾波增強
18.10.2多模板濾波增強
18.10.3Canny 邊緣檢測
18.11圖像分割
18.12二值運算
18.12.1基本運算
18.12.2特殊提取
18.13二值圖像測量
18.13.1幾何參數測量
18.13.2直線參數測量
18.13.3圓形分離
18.13.4輪廓測量
18.14幀編輯
18.15畫圖
18.16查看
18.17文件
18.17.1圖像文件
18.17.2多媒體文件
18.17.3多媒體文件編輯
18.17.4添加水印
18.18系統設置
18.18.1系統幀設置
18.18.2系統語言設置
18.19系統開發平臺Sample
參考文獻
第19章 二維運動圖像測量分析系統MIAS
19.1系統概述
19.2文件
19.3運動圖像及2D 比例標定
19.4運動測量
19.4.1自動測量
19.4.2手動測量
19.4.3標識測量
19.5結果瀏覽
19.5.1結果視頻表示
19.5.2位置速率
19.5.3偏移量
19.5.42 點間距離
19.5.52 線間夾角
19.5.6連接線圖一覽
19.6結果修正
19.6.1手動修正
19.6.2平滑化
19.6.3內插補間
19.6.4幀坐標變換
19.6.5人體重心測量
19.6.6設置事項
19.7查看
19.8實時測量
19.8.1實時目標測量
19.8.2實時標識測量
19.9開發平臺MSSample
參考文獻
第20章 三維運動測量分析系統MIAS 3D
20.1MIAS 3D 系統簡介
20.2文件
20.32D 結果導入、3D 標定及測量
20.4顯示結果
20.4.1視頻表示
20.4.2點位速率
20.4.3位移量
20.4.42 點間距離
20.4.52 線間夾角
20.4.6連接線一覽圖
20.5結果修正
20.6其他功能
參考文獻
第21章 車輛視覺導航系統
21.1車輛無人駕駛的發展歷程及趨勢
21.2視覺導航系統的硬體
21.3視覺導航系統的軟體
21.4導航試驗及性能測試比較
