电子工业出版社-网上书店

本书详细介绍了视觉检测技术涉及的信息处理和系统应用的理论、方法。主要内容包括：视觉成像变换及相机模型、面向视觉检测任务的图像处理、面向视觉检测任务的图像配准、面向视觉检测任务的图像融合、基于PSO-ICA的视觉检测、基于多元统计分析的视觉检测、基于视觉仿生机制的视觉检测、立体视觉测量及尺寸测量系统、面向视觉检测任务的模式识别和视觉检测系统应用案例。

目  录  
第1章  绪论	1
1.1  关于视觉检测	1
1.1.1  视觉检测技术	1
1.1.2  仿生视觉检测	2
1.2  视觉检测技术概述	2
1.2.1  视觉检测技术的相关概念	2
1.2.2  通用的视觉检测系统架构	4
1.3  国内外研究及应用现状和涉及的图像处理方法	5
1.3.1  视觉检测技术国内外研究及应用现状	5
1.3.2  视觉检测涉及的图像处理方法	8
1.4  视觉仿生技术及应用现状	11
1.5  视觉检测面临的主要问题	13
第2章  仿生视觉检测系统模式研究	15
2.1  引言	15
2.2  视觉检测的生物学证据及其视觉信息加工机制	15
2.2.1  人类视觉感知系统的生理机制	15
2.2.2  人类视觉感知系统的信息加工特点	17
2.2.3  人类视觉感知系统的信息加工机制	19
2.2.4  视觉注意机制	19
2.3  视觉显著性检测方法	21
2.3.1  视觉显著性的特点	21
2.3.2  视觉显著性的描述方法	22
2.3.3  视觉显著性的度量方法	25
2.4  基于注意机制的视觉检测系统架构	26
2.4.1  仿人眼的视觉检测系统模式	27
2.4.2  视觉显著性的检测模式	28
2.4.3  基于注意机制的视觉检测系统模型	30
2.5  本章小结	31
第3章  成像变换及相机模型	32
3.1  三维变换	32
3.1.1  三维坐标	32
3.1.2  平移	32
3.1.3  旋转	34
3.1.4  刚性变换和相似变换矩阵	37
3.2  相机类型及其参数	37
3.2.1  区域扫描相机	38
3.2.2  线扫描相机	40
3.3  摄像机标定	42
3.3.1  摄像机标定概述	42
3.3.2  摄像机模型	43
3.3.3  摄像机标定坐标系	44
3.3.4  张氏标定算法	47
3.3.5  双目标定	50
3.3.6  标定结果和误差分析	50
第4章  面向视觉检测任务的图像配准	60
4.1  图像配准的基本步骤	60
4.1.1  特征提取	60
4.1.2  特征匹配	63
4.1.3  搜索映射函数	64
4.1.4  图像变换和重采样	66
4.2  基于灰度的图像配准	67
4.2.1  模板匹配	67
4.2.2  基于互信息的配准方法	68
4.2.3  基于互信息的模板配准方法	69
4.2.4  实验结果及分析	71
4.3  基于特征的图像配准	74
4.3.1  SIFT特征提取	74
4.3.2  Harris角点检测	75
4.3.3  小波金字塔法	76
4.3.4  分层配准方法	77
4.3.5  实验结果及分析	78
4.4  全局配准	80
4.4.1  无序图像间的排列	80
4.4.2  捆绑束调整	81
4.5  本章小结	82
第5章  面向视觉检测任务的图像融合	83
5.1  加权平均法	83
5.2  基于塔型变换的多尺度分解方法	84
5.3  基于小波变换的多尺度分解方法	85
5.4  图像融合的客观评价法	86
5.5  迭代融合方法	88
5.6  实验结果及分析	89
5.7  本章小结	93
第6章  基于PSO-ICA的视觉检测	94
6.1  引言	94
6.2  PSO-ICA算法	94
6.2.1  ICA基本模型	95
6.2.2  ICA预处理	96
6.2.3  PSO-ICA算法介绍	96
6.2.4  实验结果与分析	97
6.3  基于PSO-ICA重构的缺陷检测	100
6.3.1  太阳能电池的IC分量属性	101
6.3.2  缺陷检测算法	104
6.3.3  实验结果与分析	105
6.4  基于PSO-ICA滤波的缺陷检测	107
6.4.1  缺陷检测算法	107
6.4.2  实验结果与分析	109
6.5  本章小结	112
第7章  基于多元统计分析的视觉检测	113
7.1  引言	113
7.2  多元统计分析方法	113
7.2.1  多元随机变量和多元统计分析	114
7.2.2  Hotelling T 2统计量	114
7.2.3  X 2测试	116
7.3  基于小波域多元统计分析的缺陷检测	116
7.3.1  小波分解	116
7.3.2  基于Hotelling T 2统计量的缺陷检测	117
7.3.3  基于T 2统计量的缺陷检测	119
7.4  实验结果与分析	121
7.4.1  统计单元尺寸的选取	122
7.4.2  统计法参数的选取	122
7.4.3  缺陷检测实验结果	123
7.4.4  检测性能分析	125
7.5  本章小结	126
第8章  基于视觉仿生机制的视觉检测	127
8.1  引言	127
8.2  典型的视觉注意模型	128
8.3  视觉注意模型的改进	131
8.3.1  自顶向下注意信息的提取	132
8.3.2  双向注意信息协同加工方法	134
8.3.3  基于双向协同视觉注意机制的铜带表面缺陷检测方法	137
8.4  实验及结果分析	139
8.4.1  双向注意信息协同加工实验	140
8.4.2  基于双向协同视觉注意模型的缺陷区域检测实验	142
8.4.3  算法噪声鲁棒性分析	145
8.5  本章小结	147
第9章  立体视觉测量	148
9.1  双目立体视觉视差测距原理	150
9.2  匹配约束条件说明	151
9.3  基于区域的匹配	152
9.4  种子区域生长与SIFT相结合的算法	153
9.4.1  灰度归一化预处理	155
9.4.2  SIFT算法立体匹配	155
9.4.3  种子生长匹配算法	156
9.5  匹配结果和参数调整实验	157
9.5.1  标准匹配用图的视差图求取结果	157
9.5.2  对金字塔层数的实验	158
9.5.3   大小对实验结果的影响	158
9.5.4  对实际图像的匹配	161
9.5.5  立体匹配算法评价	161
9.6  三维坐标求取原理	163
9.7  尺寸测量实验	165
9.7.1  图像对的采集与获取	165
9.7.2  M矩阵求取	166
9.7.3  尺寸测量结果	166
9.7.4  进行误差分析	169
9.8  误差分析	169
9.9  本章小结	170
第10章  铜带表面缺陷检测、识别与分类系统	171
10.1  实验系统的建立	171
10.1.1  实验硬件平台	171
10.1.2  实验系统软件平台	172
10.1.3  铜带表面缺陷样本库	173
10.2  铜带表面缺陷的视觉显著性检测实验	174
10.2.1  基于初级视觉特征的缺陷显著性检测	174
10.2.2  基于频谱纹理特征的缺陷显著性检测	175
10.2.3  基于纹理统计特征的缺陷显著性检测	177
10.3  基于支持向量机的铜带表面缺陷分类	180
10.3.1  SVM基本理论	180
10.3.2  分类算法	182
10.3.3  支持向量机分类实验	183
10.4  本章小结	186
第11章  交通标志检测和识别系统	187
11.1  引言	187
11.2  交通标志检测和识别系统设计	188
11.3  交通标志检测识别关键算法	190
11.3.1  注意层	190
11.3.2  中间层	190
11.3.3  交通标志分割	194
11.3.4  基于SVM的交通标志分类	199
11.4  实验与分析	202
11.4.1  注意焦点选择和转移实验	202
11.4.2  感兴趣区域选择实验	204
11.4.3  交通标志分类识别实验	204
11.5  本章小结	205
第12章  基于嵌入式技术的交通标志检测和识别系统	206
12.1  嵌入式硬件平台设计	206
12.1.1  电源模块设计	207
12.1.2  存储器模块设计	208
12.1.3  图像采集和显示模块设计	209
12.1.4  CAN总线模块设计	209
12.1.5  CPLD的设计	210
12.2  嵌入式系统软件设计	211
12.2.1  CCS 3.3集成开发环境	211
12.2.2  软件设计	212
12.2.3  实验及结果分析	216
12.3  本章小结	217
参考文献	218

前  言  
视觉检测是建立在计算机视觉和图像处理基础上的一门新兴检测技术。它涉及多学科交叉技术（计算机科学技术、光学技术、传感技术、图像处理、机器学习模式识别与人工智能等）。视觉检测是用计算机来模拟人的视觉功能从中提取有用的信息，通过图像处理获得被测事物的各种参数，并最终用于实际检测、测量和控制。因其具有高效、高精度、非接触式和获取信息丰富等优点，便于利用现代图像处理技术和智能计算方法对受测成像对象进行表征、精细分析和计算，日益成为工件定位、工件几何尺寸测量、表面缺陷在线检测的主流技术，其应用领域不仅涉及钢铁工业、电子工业、汽车工业、木材工业、纺织工业、食品加工业、包装工业和航空航天工业等，而且涉及的相关方法在矿藏勘测、农业病虫害监测、军事目标检测、公共安全等领域具有广泛的应用前景。
在工业领域，依据检测任务的不同，通常将视觉检测分成几何尺寸测量、表面质量检测和产品完整性检测三类。本书作者在研究铜及铜合金板带材表面缺陷在线检测技术的基础上，结合具体应用情景，较系统地建立了基于机器视觉的复杂环境下弱目标（各类表面缺陷）成像检测方法、模型及其应用，对视觉检测涉及一些共性的关键技术和智能计算方法进行了大量的实验验证并总结。
本书是关于视觉检测技术及智能计算的一本学术专著，围绕视觉检测涉及的理论、方法和信息处理技术，并结合作者近年来有关研究与应用实践，系统分析和阐述了视觉检测理论、方法和有关技术。本书共分12章，主要内容包括：视觉成像变换及相机模型、仿生视觉检测模式构建、面向视觉检测任务的图像处理、面向视觉检测任务的图像配准、面向视觉检测任务的图像融合、基于PSO-ICA的视觉检测、基于多元统计分析的视觉检测、基于视觉仿生机制的视觉检测、立体视觉测量及尺寸测量系统、面向视觉检测任务的模式识别和视觉检测系统应用案例。本书内容新颖、理论联系实际，可作为电子信息工程、工业自动化、计算机应用、仪器科学与技术等相关专业的研究生、高年级本科生以及科研人员、工程技术人员的参考书。
 
本书特色是建立了一套受生物视觉感知环境信息的机制启发的视觉检测方法。本书结合视觉检测任务中对受检目标的证实、检测、辨识和分类识别全过程的应用特点，构建了仿人眼视觉检测系统架构和模型，为视觉检测系统提供了新的架构模式。结合具体应用，本书给出了视觉显著性描述和度量方法，建立了一种双向协同的视觉注意机制计算模型，并应用于表面缺陷检测系统中；引入视觉仿生技术以期改善和提高视觉检测系统性能，并试图丰富和完善视觉检测技术，以解决目前视觉检测存在的难点问题。
本书正式编写历时一年多。感谢我的研究生（吕艳云博士、丁燕琼硕士、段敦勤硕士、朱晓燕硕士）对本书相关具体实验的验证工作。
本书是在国家自然科学基金项目“基于仿生视觉感知机理的金属板带表面缺陷在线检测方法研究”（项目编号：61273170）和常州市科技支撑计划（工业）项目“基于机器视觉的铜带表面缺陷在线检测系统”（项目编号：CE20120101）项目研究成果的基础上编写的。在此对国家自然科学基金委员会信息学部和常州市科技局表示衷心的感谢。
由于本书内容涉及多学科的交叉，而我们的知识有限，错误难免，诚恳地希望读者批评、指正。


张学武         
于河海大学信息楼    
2012年11月

本书配套资源下载

对不起，暂无音视频资源！