煤矿井下视频图像处理技术

第1章 绪论
1．1 煤矿井下视频监控系统概述
1．2 煤矿井下视频监控的特点
1．3 煤矿井下视频监控理论与应用研究
1．3．1 人员检测技术方法研究
1．3．2 火灾检测算法应用研究
1．3．3 火焰图像分割方法分类
1．3．4 尘雾图像增强算法研究
1．3．5 煤矿井下人脸识别技术研究

第2章 视频监控相关技术与理论
2．1 灰度化与二值化
2．2 直方图均衡化与形态学处理
2．3 图像去噪技术
2．3．1 空间域图像去噪
2．3．2 变换域图像去噪
2．4 ViBe运动检测算法
2．5 数字图像压缩技术
2．5．1 图像格式、容器和压缩标准
2．5．2 霍夫曼编码
2．5．3 小波编码
2．5．4 算术编码
2．6 图像下采样

第3章 煤矿井下尘雾图像增强算法研究
3．1 模糊理论图像增强
3．1．1 模糊集合
3．1．2 模糊理论图像增强的处理步骤
3．2 尘雾图像退化模型与增强算法
3．2．1 尘雾图像退化模型
3．2．2 暗原色先验理论
3．2．3 透射率图获取
3．2．4 自适应双边滤波器
3．2．5 透射率图优化与去噪
3．2．6 图像复原
3．3 实验结果与分析

第4章 煤矿井下人员检测技术
4．1 运动区域前景提取
4．1．1 隔帧差分法
4．1．2 背景更新
4．1．3 前景提取
4．2 单矿工运动目标检测
4．3 HOG+SVM矿工检测
4．3．1 HOG特征提取
4．3．2 主成分分析法降维
4．3．3 分类器的训练
4．3．4 实验结果与分析

第5章 火焰分割算法研究
5．1 ViBe算法的优化
5．2 火焰颜色识别规则
5．2．1 基于HSV空间模型的火焰识别规则
5．2．2 基于YCbCr颜色空间模型的火焰识别规则
5．3 火焰分割算法
5．4 实验结果与分析

第6章 基于SVM的火焰检测算法设计与实现
6．1 SVM算法简介
6．1．1 VC维理论与结构化*小风险
6．1．2 分类器
6．1．3 核函数
6．2 火焰图像特征提取
6．2．1 面积特征
6．2．2 边缘特征
6．2．3 形状特征
6．2．4 纹理特征
6．3 火焰检测算法
6．4 实验结果与分析

第7章 人脸识别相关技术及其理论
7．1 Haar矩形特征的检测
7．1．1 Haar矩形特征
7．1．2 积分图像
7．1．3 AdaBoost算法
7．1．4 级联分类器
7．1．5 AdaBoost算法的人脸检测机制
7．2 ASM主动形状模型
7．2．1 构建形状向量
7．2．2 建立形状模型
7．2．3 构建局部灰度模型
7．2．4 ASM模型的匹配
7．3 主成分分析法
7．3．1 传统PCA
7．3．2 二维PCA
7．4 快速鲁棒特征
7．4．1 特征点检测
7．4．2 生成特征描述子

第8章 基于ASM的人脸检测与跟踪
8．1 基于Haar的人脸检测
8．1．1 Haar的人脸检测
8．1．2 实验结果与分析
8．2 基于ASM的人脸检测
8．2．1 数据收集
8．2．2 形状模型
8．2．3 人脸的检测
8．2．4 实验结果与分析
8．3 基于ASM的人脸跟踪
8．3．1 局部块模型
8．3．2 人脸跟踪实现
8．3．3 实验结果与分析

第9章 基于Shearlet变换的差异性特征提取
9．1 问题概述
9．2 人脸特征类型及评价指标
9．2．1 人脸特征类型
9．2．2 评价指标
9．3 Shearlet变换
9．3．1 连续Shearlet变换
9．3．2 离散Shearlet变换
9．4 融合多尺度Shearlet变换的人脸特征提取
9．5 实验结果与分析
9．5．1 主观评价
9．5．2 客观评价

第10章 基于稀疏描述的人脸分类识别
10．1 稀疏描述与人脸识别
10．2 稀疏描述人脸识别算法
10．2．1 问题描述
10．2．2 问题优化
10．3 快速稀疏描述人脸识别算法
10．3．1 问题描述
10．3．2 可行性分析
10．4 差异性Shearlet特征的快速稀疏描述人脸识别算法
10．4．1 多尺度多方向的Shearlet特征融合
10．4．2 分类识别
10．4．3 算法步骤
10．5 实验结果与分析
10．5．1 ORL人脸库中人脸识别实验
10．5．2 YALE库中人脸识别实验

第11章 结束语
参考文献