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?色的目標提取

3.3.1色相、亮度、飽和度及其他

3.3.2?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?

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?起始點

9.4.2藍?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?

14.1模式識?與圖像識?的概念

14.2圖像識?系統的組成

14.3圖像識?與圖像處理和圖像理解的關係

14.4圖像識?方法

14.4.1模板匹配方法

14.4.2統計模式識?

14.4.3新的模式識?方法

14.5人臉圖像識?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?中的應用

15.3.1BP 神經網路數位字符識?系統原理

15.3.2網路模型的建立

15.3.3數位字符識?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?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?

16.7.1手寫字識?的卷積神經網路結構

16.7.2卷積神經網路文字識?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?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?色測量

18.6?色變換

18.6.1?色亮度變換

18.6.2HSI 表示變換

18.6.3自由變換

18.6.4RGB ?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