视觉检测技术及智能计算

封面

版权信息

前言

第1章绪论

1.1 关于视觉检测

1.2 视觉检测技术概述

1.3 国内外研究及应用现状和涉及的图像处理方法

1.4 视觉仿生技术及应用现状

1.5 视觉检测面临的主要问题

第2章 仿生视觉检测系统模式研究

2.1 引言

2.2 视觉检测的生物学证据及其视觉信息加工机制

2.3 视觉显著性检测方法

2.4 基于注意机制的视觉检测系统架构

2.5 本章小结

第3章 成像变换及相机模型

3.1 三维变换

3.2 相机类型及其参数

3.3 摄像机标定

第4章 面向视觉检测任务的图像配准

4.1 图像配准的基本步骤

4.2 基于灰度的图像配准

4.3 基于特征的图像配准

4.4 全局配准

4.5 本章小结

第5章 面向视觉检测任务的图像融合

5.1 加权平均法

5.2 基于塔型变换的多尺度分解方法

5.3 基于小波变换的多尺度分解方法

5.4 图像融合的客观评价法

5.5 迭代融合方法

5.6 实验结果及分析

5.7 本章小结

第6章 基于PSO-ICA的视觉检测

6.1 引言

6.2 PSO-ICA算法

6.3 基于PSO-ICA重构的缺陷检测

6.4 基于PSO-ICA滤波的缺陷检测

6.5 本章小结

第7章 基于多元统计分析的视觉检测

7.1 引言

7.2 多元统计分析方法

7.3 基于小波域多元统计分析的缺陷检测

7.4 实验结果与分析

7.5 本章小结

第8章 基于视觉仿生机制的视觉检测

8.1 引言

8.2 典型的视觉注意模型

8.3 视觉注意模型的改进

8.4 实验及结果分析

8.5 本章小结

第9章 立体视觉测量

9.1 双目立体视觉视差测距原理

9.2 匹配约束条件说明

9.3 基于区域的匹配

9.4 种子区域生长与SIFT相结合的算法

9.5 匹配结果和参数调整实验

9.6 三维坐标求取原理

9.7 尺寸测量实验

9.8 误差分析

9.9 本章小结

第10章 铜带表面缺陷检测、识别与分类系统

10.1 实验系统的建立

10.2 铜带表面缺陷的视觉显著性检测实验

10.3 基于支持向量机的铜带表面缺陷分类

10.4 本章小结

第11章 交通标志检测和识别系统

11.1 引言

11.2 交通标志检测和识别系统设计

11.3 交通标志检测识别关键算法

11.4 实验与分析

11.5 本章小结

第12章 基于嵌入式技术的交通标志检测和识别系统

12.1 嵌入式硬件平台设计

12.2 嵌入式系统软件设计

12.3 本章小结