本書就數(shù)字圖像處理以及圖像的分析與識別方面的最新技術(shù)開展了研究與實踐。重點(diǎn)關(guān)注高層次特征提取技術(shù),還涉及與圖像獲取、采樣理論、點(diǎn)運(yùn)算和不同層次特征提取相關(guān)的問題和技術(shù),構(gòu)成了一個明確連貫的知識體系。還重點(diǎn)開展了圖像識別方面最前沿領(lǐng)域的研究,不僅開展了靜態(tài)的圖像識別,還開展了視頻理解方面的研究與實踐,采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法,突出了人工智能技術(shù)在圖像理解方面的應(yīng)用。研究了采用基于嵌入式平臺系統(tǒng)的深度學(xué)習(xí),用最快的深度檢測、跟蹤算法,減少運(yùn)算量和檢測空間。
圖像識別是人工智能的一個重要領(lǐng)域,是指利用計算機(jī)對圖像進(jìn)行處理、分析和理解,以識別各種不同模式的目標(biāo)和對象的技術(shù),并對質(zhì)量不佳的圖像進(jìn)行一系列的增強(qiáng)與重建的技術(shù)手段,從而有效改善圖像質(zhì)量。圖像識別不是用人類的肉眼鑒別,而是借助計算機(jī)技術(shù)進(jìn)行。雖然人類的識別能力很強(qiáng)大,但是對于高速發(fā)展的社會,人類自身識別能力已經(jīng)滿足不了需求,于是產(chǎn)生了基于計算機(jī)的圖像識別技術(shù)。通常一個領(lǐng)域當(dāng)現(xiàn)有技術(shù)無法滿足需求時,就會產(chǎn)生相應(yīng)的新技術(shù)。圖像識別技術(shù)也是如此,此技術(shù)的產(chǎn)生就是為了讓計算機(jī)代替人類去處理大量的物理信息,幫助人類去處理無法識別或者識別率低下的信息。如在工業(yè)環(huán)境使用中,先采用工業(yè)相機(jī)拍攝圖片,然后利用軟件根據(jù)圖片灰階差做進(jìn)一步識別處理。隨著計算機(jī)及信息技術(shù)的迅速發(fā)展,圖像識別技術(shù)的應(yīng)用逐漸擴(kuò)大到眾多領(lǐng)域,尤其是在面部及指紋識別、衛(wèi)星云圖識別及臨床醫(yī)療診斷等領(lǐng)域日益發(fā)揮著重要作用。
本書通過對圖像分析與識別新技術(shù)理論的研究,結(jié)合該領(lǐng)域國內(nèi)外研究的發(fā)展現(xiàn)狀,開展了對圖像分析與識別新技術(shù)的應(yīng)用研究。通過對相關(guān)案例進(jìn)行分析,總結(jié)了圖像分析與識別新技術(shù)的發(fā)展前景及相關(guān)技術(shù)手段。本書有助于廣大讀者更好地理解圖像分析與識別新技術(shù)的相關(guān)知識,了解圖像分析與識別新技術(shù)方面的發(fā)展現(xiàn)狀。同時,本書并不囿于純粹的理論知識介紹和技術(shù)研討,而是從實踐出發(fā),用一系列案例引申出核心知識與技術(shù),以便讀者更加系統(tǒng)而綜合地掌握圖像分析與識別新技術(shù)的全貌,把握圖像分析與識別新技術(shù)的全局。
本書不僅提供了豐富的參考文獻(xiàn),以方便讀者進(jìn)一步深入探索,還提供了大量圖示和實例幫助讀者學(xué)習(xí)、理解和應(yīng)用。全書共8章,可分為兩個部分:第一部分包括第1-2章,研究分析了圖像分析與識別新技術(shù)的發(fā)展現(xiàn)狀及相關(guān)理論;第二部分包括第3-8章,從多個方面對圖像分析與識別新技術(shù)的應(yīng)用開展了研究。第二部分的各章相對獨(dú)立,讀者可以根據(jù)自己的興趣及實際情況選擇學(xué)習(xí)。本書編寫過程中,張水平老師以及陳言璞、黃茜、鐘學(xué)洋、王宇卓、胡源中、胡魄等研究生參與了撰寫與整理工作。
由于作者水平有限,書中難免存在不足之處,希望讀者對本書提出寶貴意見和建議。
第1章 圖像分析與識別概述
1.1 圖像識別概述
1.2 圖像識別原理
1.3 圖像識別應(yīng)用
1.4 圖像識別面臨的問題
1.5 圖像識別的發(fā)展階段和趨勢
第2章 圖像預(yù)處理與邊緣檢測
2.1 圖像預(yù)處理
2.2 圖像濾波
2.3 圖像形態(tài)學(xué)處理
2.4 圖像的銳化
2.5 邊緣檢測
2.6 圖像增強(qiáng)
第3章 不同遙感圖像的融合與應(yīng)用
3.1 案例背景
3.1.1 數(shù)據(jù)融合技術(shù)
3.1.2 不同遙感圖像的特點(diǎn)
3.1.3 不同遙感圖像融合及應(yīng)用的意義
3.2 遙感圖像融合效果評定方法的研究
3.2.1 主觀融合效果評定法
3.2.2 客觀融合效果評定法
3.2.3 實驗分析
3.3 多源遙感圖像的直接融合方法
3.3.1 遙感圖像的預(yù)處理
3.3.2 灰度圖像之間的融合方法
3.3.3 多光譜圖像的融合方法
第4章 基于改進(jìn)深度網(wǎng)絡(luò)模型的棉花特征提取及分割方法研究
4.1 案例背景
4.1.1 研究背景及意義
4.1.2 國內(nèi)外發(fā)展和研究現(xiàn)狀
4.2 相關(guān)工作及數(shù)據(jù)集介紹
4.2.1 基于手工設(shè)計的特征提取算法
4.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取
4.2.3 實地棉田棉花圖像數(shù)據(jù)集
4.3 基于多尺度融合的田間棉花特征提取
4.3.1 手工設(shè)計提取棉花特征
4.3.2 棉花深度卷積的特征提取
4.3.3 特征融合
4.3.4 實驗結(jié)果及分析
第5章 面向火災(zāi)早期預(yù)警系統(tǒng)的研究
5.1 案例背景
5.1.1 研究背景及意義
5.1.2 國內(nèi)外發(fā)展和研究現(xiàn)狀
5.1.3 視頻火災(zāi)檢測技術(shù)的優(yōu)勢
5.2 煙霧圖像的疑煙區(qū)識別
5.2.1 疑煙區(qū)的檢測方法
5.2.2 圖像濾波
5.2.3 圖像形態(tài)學(xué)處理
5.3 煙霧的特征分析
5.3.1 顏色特征分析方法
5.3.2 小波變換特征分析
5.4 面向火災(zāi)早期預(yù)警的系統(tǒng)實現(xiàn)
……
第6章 基于PSO-LSSVM的金屬表面缺陷檢測分類方法研究
第7章 基于機(jī)器學(xué)習(xí)的圖像邊緣檢測方法的研究與應(yīng)用
第8章 基于圖像融合的目標(biāo)識別與檢測技術(shù)的應(yīng)用研究
參考文獻(xiàn)