视频监控与小波纹理

上篇

第一章 视频监控系统绪论

1.1 视频监控概述

1.2 国内外现状和发展趋势

1.2.1 国内外现状

1.2.2 发展趋势

1.3 视频监控系统的几个关键技术

1.3.1 自动人脸识别

1.3.2 视频增强

1.3.3 视频编码优化

1.4 本章小结

第二章 视频监控中人脸特征描述方法研究

2.1 引言

2.1.1 人脸识别概述

2.1.2 视频监控中的人脸识别

2.1.3 人脸识别的光照问题

2.1.4 小结

2.2 一种基于轮廓波变换的光照鲁棒人脸特征描述方法

2.2.1 轮廓波变换与图像处理

2.2.2 对数人脸光照模型

2.2.3 基于轮廓波去噪模型的光照鲁棒特征提取

2.2.4 实验结果与分析

2.2.5 结论

2.3 一种基于混合投影函数和图像熵的光照鲁棒人脸特征描述方法

2.3.1 投影函数

2.3.2 图像熵

2.3.3 混合投影特征提取

2.3.4 实验结果与分析

2.3.5 结论

2.4 本章小结

第三章 视频监控中视频增强方法研究

3.1 引言

3.2 算法描述

3.2.1 RGB色彩空间与YCbCr色彩空间的转换

3.2.2 小波变换与数字图像处理

3.2.3 基于小波变换的光照分离

3.2.4 背景估计和运动区域检测

3.2.5 融合规则和图像重构

3.2.6 算法流程

3.3 实验结果与分析

3.4 本章小结

第四章 视频监控中视频编码快速算法研究

4.1 引言

4.1.1 H.264／AVC视频编码

4.1.2 可伸缩视频编码

4.1.3 小结

4.2 一种适宜于H.2 64／AVC：的帧间快速编码算法

4.2.1 相关研究

4.2.2 利用运动和纹理预测

4.2.3 利用时间和空间相关性预测

4.2.4 算法流程

4.2.5 实验结果与分析

4.2.6 结论

4.3 一种质量可伸缩编码中增强层帧间快速算法

4.3.1 相关研究

4.3.2 模式选择的基本原理

4.3.3 算法流程

4.3.4 实验结果与分析

4.3.5 结论

4.4 本章小结

第五章 上篇总结与展望

5.1 工作总结

5.2 展望

上篇参考文献

中篇

第六章 Copula驱动的小波域纹理特征提取绪论

第七章 小波变换理论

第八章 Copula模型及其参数估计

第九章 小波域依赖关系及常用多维模型

第十章 传统小波域Copula多维模型

第十一章 方向小波域与平稳小波域Copula多维模型

第十二章 复数小波域Copula多维模型

第十三章 中篇总结与展望

下篇

第十四章 基于生物视觉感知机制的图像理解绪论

第十五章 视皮层感知机制

第十六章 多特征彩色图像分割模型

第十七章 BU&TD图像分割模型

第十八章 多特征场景分类模型

第十九章 BU&TD目标识别模型

第二十章 下篇总结与展望

对非结构化、随机性自然场景的感知和理解，是视觉成像处理系统中具有挑战性的前沿课题。《视频监控与小波纹理：面向视神经细胞模型复杂环境感知与定位的图像理解技术》以视觉图像获取、分析、增强、处理为主线，以视频监控、小波纹理为基础，重点研究面向视神经细胞模型复杂环境感知与定位的图像处理新技术，通过借鉴生物视觉模型，将场景表达与认知学新视觉特征进行融合，为场景感知和辨识提供一种新的技术手段。受视神经细胞认知智能启发，特别是利用生物视觉皮层上的Vl细胞，具有类似于Gabor滤波器和高斯拉普拉斯滤波器特性，借助小波变换和独立分量分析原理，探索新型算法，研究白适应自然场景感知和新的识别技术。其中，通过生物视觉模型的研究，将认知学新特征与场景表达相融合，提升自然场景图像的自适应辨识能力。为此，作者提出了新的相关算法，解决视觉图像处理系统中面临的自然场景多样性、随机性、复杂性以及运动性所带来的关键理论问题，揭示其内在规律与辩证特性，为机器人视觉感知、视频监控异常处理、智能化预警和海量图像的快速检索和高效摄像存储等领域，提供新的科学研究方法和手段。
　　《视频监控与小波纹理：面向视神经细胞模型复杂环境感知与定位的图像理解技术》可以作为计算机与软件、通信工程、互联网技术、云计算与信息安全、大数据分析与挖掘等相关专业的高年级本科生、硕士研究牛、博士研究生、教师的教材和教学参考书，可作为高等院校、研究机构、企事业单位的分析研究人员的重要参考书。