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。
前言
第1章 绪论
1.1 图像视觉属性滤波方法的研究现状
1.2 车道线与车辆检测方法的研究现状
1.3 掌纹图像识别方法的研究现状
1.4 仿生视觉算法的研究现状
1.5 本书章节安排
第2章 基于Max-tree的图像视觉属性滤波方法
2.1 Max-tree的滤波规则
2.2 图像复原
2.3 二值图像面积属性滤波
2.4 灰度图像属性滤波
2.5 滤波器性能比较
2.6 本章小结
第3章 基于多变量视觉属性分类的图像滤波方法
3.1 Max-tree构造与滤波规则
3.2 基于多变量属性分类规则的连通滤波算法
3.3 实验与分析
3.4 本章小结
第4章 基于边缘与线条视觉信息的车道线检测方法
4.1 图像预处理
4.2 边缘提取与直线检测
4.3 车道线检测方案设计
4.4 系统总体设计
4.5 实验结果与分析
4.6 本章小结
第5章 基于HMAX仿生视觉模型的车辆检测方法
5.1 标准模型和HMAX模型
5.2 HMAX模型的层次结构
5.3 实验过程
5.4 实验结果与分析
5.5 本章小结
第6章 基于仿生视觉感知的交通标志牌检测方法
6.1 生物启发变换的RST不变属性特征提取框架
6.2 基于filter-filter结构的方向边缘检测方法
6.3 空间的间距检测
6.4 仿真实验与分析
6.5 提出的方法在交通标志牌识别中的应用
6.6 本章小结
第7章 基于生物启发变换的掌纹识别
7.1 BIT特征提取框架
7.2 相关的基础理论
7.3 提出的方法
7.4 掌纹匹配方法
7.5 实验结果与分析
7.6 本章小结
第8章 基于双生物启发变换网络的鲁棒掌纹图像识别
8.1 双生物启发变换网络框架
8.2 提出的方法
8.3 掌纹匹配算法
8.4 实验结果与分析
8.5 本章小结
第9章 总结与展望
9.1 多视觉属性的图像形态滤波方法总结与展望
9.2 车道线与车辆检测方法总结与展望
9.3 车辆与车道线的仿生检测方法总结与展望
参考文献
内容简介
