数字图像目标检测与识别 理论与实践【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

数字图像目标检测与识别 理论与实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 计算机视觉的一个例子2

1.2 全书内容概览5

参考文献7

第2章 计算机视觉中的张量方法8

2.1 摘要8

2.2 张量——一个数学对象8

2.2.1 线性空间的主要属性9

2.2.2 张量的概念9

2.3 张量——数据对象11

2.4 张量的基本属性13

2.4.1 张量指标和分量的符号14

2.4.2 张量积16

2.5 张量距离测量17

2.5.1 张量距离概述19

2.5.2 欧几里得图像距离和标准化变换24

2.6 张量场的滤波27

2.6.1 张量数据的顺序统计滤波27

2.6.2 各向异性扩散滤波30

2.6.3 扩散过程的实现32

2.7 采用结构张量观察图像37

2.7.1 二维图像空间中的结构张量39

2.7.2 空时结构张量41

2.7.3 多通道和尺度空间结构张量43

2.7.4 扩展结构张量45

2.8 采用惯性张量和矩的目标表示52

2.9 张量的特征分解和表示57

2.10 张量不变量60

2.11 多视点几何：多焦点张量60

2.12 多线性张量方法63

2.12.1 多线性代数的基本概念65

2.12.2 高阶奇异值分解（HOSVD）94

2.12.3 HOSVD的计算96

2.12.4 HOSVD诱导基102

2.12.5 张量最佳秩1近似103

2.12.6 张量的秩1分解105

2.12.7 最佳秩（R1，R2，…，Rp）近似110

2.12.8 最佳秩（R1，R2，…，Rp）近似的计算112

2.12.9 子空间数据表示123

2.12.10 非负矩阵因子分解126

2.12.11 非负矩阵因子分解的计算129

2.12.12 采用NMF的图像表示133

2.12.13 非负矩阵因子分解的实现135

2.12.14 非负张量因子分解141

2.12.15 目标识别的多线性方法144

2.13 结束语149

2.13.1 本章小结149

2.13.2 延伸阅读150

习题151

参考文献152

第3章 分类方法和算法158

3.1 摘要158

3.2 分类框架158

3.3 用于目标识别的子空间方法162

3.3.1 主成分分析162

3.3.2 子空间模式分类180

3.4 目标识别的统计公式184

3.4.1 参数化和非参数化方法184

3.4.2 概率框架184

3.4.3 贝叶斯决策规则185

3.4.4 最大后验分类方案186

3.4.5 二元分类问题187

3.5 参数化方法——混合高斯188

3.6 卡尔曼滤波器192

3.7 非参数化方法195

3.7.1 基于直方图的技术195

3.7.2 比较直方图197

3.7.3 多维直方图的实现201

3.7.4 Parzen方法203

3.8 均值移位方法207

3.8.1 均值移位简介208

3.8.2 连续自适应均值移位方法212

3.8.3 均值移位跟踪的算法方面214

3.8.4 CamShift方法的实现217

3.9 神经网络220

3.9.1 概率神经网络220

3.9.2 概率神经网络的实现222

3.9.3 汉明神经网络226

3.9.4 汉明神经网络的实现229

3.9.5 形态神经网络233

3.10 视觉模式识别中的核241

3.10.1 核函数245

3.10.2 核的实现249

3.11 数据聚类253

3.11.1 k均值方法255

3.11.2 模糊c均值257

3.11.3 核模糊c均值259

3.11.4 聚类质量的测量261

3.11.5 实现问题262

3.12 支持向量域描述271

3.12.1 支持向量机的实现276

3.12.2 一类分类器集成的体系结构276

3.13 本章附录——用于模式分类的MATLAB和其他软件包278

3.14 结束语279

3.14.1 本章小结279

3.14.2 延伸阅读279

习题280

参考文献281

第4章 目标检测和跟踪288

4.1 简介288

4.2 直接像素分类288

4.2.1 基准数据采集289

4.2.2 实例研究——人类皮肤检测289

4.2.3 实例研究——基于像素的路标检测293

4.2.4 采用分类器集成的基于像素的图像分割300

4.3 基本形状检测303

4.3.1 线段的检测304

4.3.2 凸形状的UpWrite检测305

4.4 图形检测307

4.4.1 从特征点进行的规则形状检测308

4.4.2 显著点的聚类311

4.4.3 自适应窗生长方法312

4.4.4 图形验证313

4.4.5 实例研究——路标检测系统315

4.5 实例研究——路标跟踪和识别319

4.6 实例研究——用于目标跟踪的框架323

4.7 行人检测329

4.8 结束语334

4.8.1 本章小结334

4.8.2 延伸阅读334

习题334

参考文献335

第5章 目标识别339

5.1 摘要339

5.2 从张量相位直方图和形态尺度空间进行的识别339

5.2.1 在形态尺度中张量相位直方图的计算341

5.2.2 张量相位直方图的匹配343

5.2.3 实例研究——在形态尺度空间中采用张量相位直方图进行的目标识别344

5.3 基于不变量的识别349

5.3.1 实例研究——采用仿射不变矩的象形图识别349

5.4 基于模板的识别352

5.4.1 用于路标识别的模板匹配353

5.4.2 用于模板匹配的专用距离355

5.4.3 采用对数极坐标和尺度空间进行的识别356

5.5 从可变形模型进行的识别362

5.6 分类器集成363

5.7 实例研究——用于从变形原型中进行路标识别的分类器集成365

5.7.1 路标识别系统的体系结构368

5.7.2 用于警告标志识别的模块371

5.7.3 仲裁单元375

5.8 基于张量分解的识别376

5.8.1 在由模式张量HOSVD分解所张成的子空间中进行的模式识别376

5.8.2 实例研究——基于采用可变形模式原型的张量分解的路标识别系统378

5.8.3 实例研究——采用张量分解方法进行的手写数字识别384

5.8.4 张量子空间分类器的实现387

5.9 用于驾驶员状态监控的人眼识别391

5.10 目标分类识别396

5.10.1 基于部分的目标识别397

5.10.2 采用视觉词袋的识别397

5.11 结束语400

5.11.1 本章小结400

5.11.2 延伸阅读401

习题402

参考文献402

附录A406