视觉检测技术及智能计算

内容简介

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

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