基于仿生视觉的图像处理方法及应用

 

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。

 

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