智能视频图像处理技术与应用

第1章 绪论
1．1 图像增强现状
1．2 特征点提取及配准现状
1．3 动态目标检测现状
1．4 遗留物检测现状
1．5 动态目标跟踪现状
1．6 本书研究内容与技术路线
1．6．1 研究内容
1．6．2 技术路线
第2章 视频图像的增强
2．1 图像增强
2．1．1 灰度直方图统计方法
2．1．2 图像空域增强
2．1．3 二维频域增强的依据
2．1．4 图像锐化的处理过程
2．2 图像增强的特征值提取
2．2．1 梯度测度
2．2．2 标准差测量
2．2．3 峰度分布测量
2．2．4 熵值提取
2．2．5 分形维数提取方法分析
2．2．6 模糊熵与分形维的关系
2．2．7 相似度测量分析
2．3 基于模糊熵判别准则合理提取LFFD的相似度增强算法
2．4 图像边缘检测
2．4．1 Canny边缘检测分析
2．4．2 基于小波分解的Canny边缘检测算法的提出
2．5 煤矿井下图像增强实验与分析
2．5．1 基于模糊熵判别准则合理提取LFFD的相似度增强实验分析
2．5．2 基于小波分解的Canny煤矿支护边缘检测实验分析
2．6 小结
第3章 视频图像的特征点提取及配准
3．1 特征点提取
3．1．1 Harris特征点提取
3．1．2 SIFT特征点提取
3．2 图像特征点配准
3．2．1 灰度相关法匹配算法
3．2．2 特征描述子的匹配方法
3．2．3 基于相关法的欧氏距离配准算法的提出
3．3 煤矿井下实验与分析
3．3．1 特征点提取实验分析
3．3．2 特征点匹配实验分析
3．4 小结
第4章 动态目标的检测
4．1 动态目标检测算法分析
4．1．1 光流法
4．1．2 帧间差分法
4．1．3 背景差分法
4．1．4 几种背景模型的建议
4．2 基于CBM的目标空间整体性背景更新算法
4．2．1 CBM对微动目标的失真分析
4．2．2 基于CBM的目标空间整体性背景更新算法的提出
4．2．3 基于CBM的目标空间整体性背景更新算法的步骤
4．3 动态检测中的阴影去除
4．3．1 颜色空间转换
4．3．2 HSV空间阴影去除
4．3．3 基于HSV空间的码字分量平均算法
4．4 动态目标检测实验与分析
4．4．1 基于CBM的目标空间整体性背景更新实验分析
4．4．2 基于HSV空间的码字分量平均算法实验分析
4．5 小结
第5章 遗留物的检测
5．1 动态目标检测算法在遗留物检测中的不足
5．2 基于双背景模型的遗留物检测算法分析
5．3 基于历史像素稳定度的遗留物检测算法
5．3．1 算法提出的依据
5．3．2 算法步骤
5．4 遗留物检测实验与分析
5．5 小结
第6章 动态目标的跟踪
6．1 基于Kalman滤波器的跟踪算法分析
6．1．1 Kalman滤波器原理
6．1．2 Kalman滤波器跟踪算法
6．2 基于Mean Shift的目标跟踪算法分析
6．3 基于多特征判定准则的目标跟踪融合算法
6．3．1 多特征目标跟踪算法分析
6．3．2 基于多特征判定准则的目标跟踪融合算法依据与步骤
6．4 离散场景同一目标跟踪融合算法
6．4．1 CBWH算法分析
6．4．2 CBWH改进算法提出
6．4．3 离散同一目标跟踪融合算法的步骤与条件
6．5 动态目标跟踪实验与分析
6．5．1 Kalman滤波器跟踪算法实验分析
6．5．2 Mean Shift目标跟踪算法实验分析
6．5．3 基于多特征判定准则的目标跟踪融合算法实验分析
6．5．4 离散场景同一目标跟踪融合算法实验分析
6．6 小结
第7章 基于三频彩色条纹投影轮廓术的微变监测
7．1 三维测量相关技术简介
7．2 三频彩色条纹投影轮廓术的技术原理
7．2．1 经验模式分解
7．2．2 背景消减和颜色解耦
7．2．3 三频变精度相位展开
7．2．4 纹理恢复原理
7．2．5 亚像素级匹配
7．3 模拟微变监测实验与分析
7．4 小结
附录
附录A 视频图像采集
附录B 视频图像压缩JPEG与JPEG2000
附录C 移动目标检测中的帧间差分法
附录D 二维运动估计中的三步搜索法
参考文献