电子工业出版社-网上书店

本书是作者及其团队近8年来基于仿生视觉的图像处理方法及应用的研究工作的总结，内容涉及图像视觉属性滤波和生物视觉启发变换模型，以及在车道线与车辆检测、交通标志牌检测和掌纹识别等领域的应用。书中论述以Max-tree为基础的视觉属性滤波器，对Max-tree的构建、枝剪和复原进行详细讨论。在此基础上，融合图像的连通区域面积、灰度值及形状等多个视觉属性，运用支持向量机对Max-tree节点进行多视觉属性分类，给出复杂视觉结构图像滤波方法。针对复杂环境下的车道线和车辆检测问题，探讨一种基于视频图像的车道线检测方法，给出基于HMAX仿生视觉模型的车辆检测算法流程。阐述一种受生物启发的图像特征提取方法，设计双生物启发变换网络，证明变换网络的旋转、平移及比例不变特性，实现复杂环境中的交通标志牌与掌纹特征提取。这些方法在实际应用中取得了明显的应用效果，实现了图像的仿生视觉处理过程，为解决复杂环境中的图像处理与识别问题起到了重要作用。相关方法能推动计算机视觉领域的认知科学、模式识别、计算生物学等前沿问题研究，可为我国仿生视觉及人工智能研究提供借鉴和参考。本书可作为高等院校人工智能、模式识别、计算机科学与技术等专业的研究生或高年级本科生的专业基础课程的辅助教材，亦可供广大从事人工智能、计算机视觉、图像处理、模式识别研究与应用领域的科技工作者、高校师生阅读和参考。

第1章  绪论	1
1.1  图像视觉属性滤波方法的研究现状	2
1.1.1  基础形态学滤波器	2
1.1.2  广义形态学滤波器	3
1.1.3  Max-tree视觉属性滤波器	4
1.1.4  连通滤波方法的研究现状	5
1.2  车道线与车辆检测方法的研究现状	6
1.2.1  车道线检测方法的研究现状	6
1.2.2  车辆检测方法的研究现状	6
1.3  掌纹图像识别方法的研究现状	8
1.4  仿生视觉算法的研究现状	9
1.5  本书章节安排	11
第2章  基于Max-tree的图像视觉属性滤波方法	13
2.1  Max-tree的滤波规则	13
2.1.1  最小规则	14
2.1.2  直接规则	16
2.1.3  最大规则	17
2.1.4  减法规则	19
2.2  图像复原	20
2.2.1  最小规则复原	20
2.2.2  直接规则复原	22
2.2.3  最大规则复原	23
2.2.4  减法规则复原	23
2.3  二值图像面积属性滤波	23
2.4  灰度图像属性滤波	27
2.4.1  面积滤波	29
2.4.2  灰度值滤波	33
2.4.3  最小包围矩形滤波	37
2.5  滤波器性能比较	40
2.6  本章小结	41
第3章  基于多变量视觉属性分类的图像滤波方法	43
3.1  Max-tree构造与滤波规则	43
3.2  基于多变量属性分类规则的连通滤波算法	44
3.2.1  基于多变量属性的Max-tree构造	44
3.2.2  基于SVM的Max-tree节点属性分类算法	46
3.3  实验与分析	47
3.3.1  Max-tree的不同枝剪规则的性能比较	47
3.3.2  不同滤波方法的性能比较	49
3.3.3  多变量属性分类规则在掌纹与掌脉图像分割中的应用	51
3.4  本章小结	54
第4章  基于边缘与线条视觉信息的车道线检测方法	55
4.1  图像预处理	55
4.1.1  摄像头相关参数	55
4.1.2  系统参数设置	56
4.2  边缘提取与直线检测	59
4.2.1  边缘提取设计	59
4.2.2  直线检测设计	61
4.3  车道线检测方案设计	61
4.3.1  车道线模型设计	62
4.3.2  车道线候选对象的筛选	62
4.3.3  样条曲线拟合	63
4.3.4  重建车道区域	64
4.3.5  更新区域	65
4.4  系统总体设计	66
4.4.1  OpenCV简介	66
4.4.2  系统的流程设计	67
4.5  实验结果与分析	67
4.5.1  分步结果分析	68
4.5.2  结果分析	69
4.6  本章小结	72
第5章  基于HMAX仿生视觉模型的车辆检测方法	73
5.1  标准模型和HMAX模型	73
5.1.1  标准模型	73
5.1.2  HMAX模型	75
5.2  HMAX模型的层次结构	75
5.2.1  HMAX模型概述	75
5.2.2  HMAX模型的结构	76
5.2.3  HMAX模型的特点	77
5.2.4  HMAX模型存在的问题	77
5.2.5  HMAX模型分析	78
5.3  实验过程	79
5.3.1  实验环境构建	79
5.3.2  对自然场景下的图像进行特征提取	81
5.3.3  对简单场景下的车辆进行特征提取	82
5.4  实验结果与分析	83
5.5  本章小结	85
第6章  基于仿生视觉感知的交通标志牌检测方法	86
6.1  生物启发变换的RST不变属性特征提取框架	86
6.2  基于filter-filter结构的方向边缘检测方法	87
6.2.1  Gabor函数的图像滤波	88
6.2.2  融合双极滤波器与Gabor滤波器的方向边缘检测方法	88
6.3  空间的间距检测	90
6.4  仿真实验与分析	92
6.4.1  RST不变属性特征提取的有效性分析	93
6.4.2  RST不变属性特征提取方法的性能比较分析	95
6.4.3  过程参数的选取分析	100
6.5  提出的方法在交通标志牌识别中的应用	102
6.6  本章小结	105
第7章  基于生物启发变换的掌纹识别	106
7.1  BIT特征提取框架	106
7.2  相关的基础理论	107
7.2.1  Gabor滤波器池	107
7.2.2  基于相位一致性的方向边缘检测	108
7.3  提出的方法	109
7.3.1  方向边缘检测	109
7.3.2  局部空间频率检测	111
7.4  掌纹匹配方法	113
7.5  实验结果与分析	113
7.5.1  掌纹数据库和实验环境	113
7.5.2  有效性分析	115
7.5.3  掌纹验证	118
7.5.4  掌纹识别	122
7.6  本章小结	124
第8章  基于双生物启发变换网络的鲁棒掌纹图像识别	125
8.1  双生物启发变换网络框架	125
8.2  提出的方法	127
8.2.1  视觉信息处理机制	127
8.2.2  Gabor滤波器组	129
8.2.3  基于相位一致性的边缘检测算法	129
8.2.4  用于方向边缘检测的双极滤波器	129
8.2.5  局部空间频率双检测算子	131
8.3  掌纹匹配算法	136
8.4  实验结果与分析	137
8.4.1  掌纹数据库和实验环境	137
8.4.2  特征不变性和选择性分析	139
8.4.3  掌纹验证	141
8.4.4  掌纹辨识	144
8.5  本章小结	145
第9章  总结与展望	146
9.1  多视觉属性的图像形态滤波方法总结与展望	146
9.2  车道线与车辆检测方法总结与展望	147
9.3  车辆与车道线的仿生检测方法总结与展望	148
参考文献	149

随着人工智能时代的来临，基于仿生视觉的图像处理成为体现计算机智能化水平的重要标志，也是目前国家重点研发计划“类脑计算”中亟待解决的关键问题。首先，视觉属性滤波方法在结构元素选取、滤波规则等方面存在局限性，因此，利用图像连通区域的多个视觉属性来设计分类判决规则，对含有大量不同灰度级与形态的视觉区域、边缘模糊和复杂内容结构的图像滤波具有重要作用。其次，车辆辅助驾驶中的车道线和车辆检测的主要难点包括：实际路面标记复杂，容易产生污渍、树荫等干扰；在十字路口时，车道线会消失；当车辆较多、车辆太靠近时，会遮挡车道线标志；在雨天、路面反光的情况下，干扰非常大；不同的光线强度影响检测稳定性等。因此，模拟人类视觉信号处理机制来进行车道线和车辆检测是可行的解决方案。最后，图像不变属性特征提取是提高图像识别率的重要手段。众所周知，人类视觉能准确感知旋转、比例缩放、平移（RST）和加噪后的图像。如何模拟生物视觉皮层，在不同功能阶段构建感知模型，并客观描述大脑视觉皮层细胞对线条响应的强度，使该模型能有效提取图像RST的不变属性特征，成为亟待解决的问题。
本书以图像视觉信息处理中的视觉属性滤波、车道线与车辆检测、掌纹识别和交通标志牌检测为研究内容，对最大树（Max-tree）构建、枝剪和复原方法进行阐述，设计出融合多种视觉属性的连通滤波算法，研究基于仿生视觉算法的车道线与车辆检测方法，提出受生物启发的变换方法，成功应用于掌纹识别和交通标志牌检测的过程。全书共9章，首先，设计以Max-tree为基础的形态学滤波器，对Max-tree的构建、枝剪和复原进行详细阐述，在此基础上融合图像的连通区域面积、灰度值及形状等属性，运用SVM方法对最大树节点进行多变量属性分类，通过图像重构，完成复杂结构图像滤波。然后，针对复杂环境下的车道线和车辆检测问题，探讨一种基于视频图像的车道线检测方法，分析HMAX仿生视觉模型的算法流程。最后，深入探讨受生物启发的不变属性仿生图像识别方法及双生物启发变换方法，并应用于掌纹识别和交通标志牌检测的过程。本书的第1章、第2章、第4章、第5章由余伶俐执笔，第3章由周鲜成执笔，第6章、第7章、第8章、第9章由周开军执笔，全书由周开军、余伶俐统稿。
本书是我们团队秉承“为实为新”的科研精神，在仿生图像处理与识别领域的近8年研究工作的总结，得到了国家自然科学基金项目（61304253、61471170、61403426）、湖南省自然科学基金项目（2018JJ2197、2018JJ2531）的资助。参与本书研究工作的团队包括湖南商学院研究生院院长周鲜成教授，中南大学信息科学与工程学院余伶俐博士、李仪博士等，他们对本书给予了指导与支持。还有研究生夏旭梅、裴林在完成研究工作的同时，为本书的撰写提供了许多宝贵资料，正是团队的勤奋工作和共同努力，使得本书得以顺利完成。作者在撰写书稿的过程中，还得到了美国布兰迪斯大学复杂系统国家实验室John Lisman和洪鹏宇教授的鼓励与指导。为此，特别感谢为本书的撰写做出重要贡献和给予大力支持的团队老师与研究生。此外，还感谢“参考文献”中所列国内外著作论文的研究工作者，他们的扎实工作构成了本书研究的基础。最后，对电子工业出版社的王晓庆编辑及相关同志表示衷心感谢，正是他们在出版过程中细致与辛苦的工作，使得本书能顺利与读者见面。
仿生视觉刚进入起步阶段，许多涉及计算生物学、图像处理、模式识别、人工智能的理论与应用还在不断发展，加之作者水平有限、时间仓促，书中存在不妥之处，恳请读者和专家们批评指正。



周开军  周鲜成  余伶俐
2018年12月
于湖南商学院

本书配套资源下载

对不起，暂无音视频资源！