物联网视频图像感知新技术PDF|Epub|txt|kindle电子书版本网盘下载

物联网视频图像感知新技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 概论3

第1章 物联网及其感知技术3

1.1 物联网概述3

1.1.1 物联网定义3

1.1.2 物联网的发展历程4

1.1.3 物联网在中国5

1.2 物联网体系5

1.2.1 物联网总体架构6

1.2.2 感知层6

1.2.3 网络层7

1.2.4 应用层7

1.2.5 物联网特点8

1.3 物联网感知技术9

1.3.1 物联网感知技术简介9

1.3.2 感知与识别技术10

1.3.3 全方位视觉技术10

1.3.4 生物视觉视频图像处理新技术11

1.4 物联网视频图像感知新技术的应用12

1.4.1 智能家居12

1.4.2 智慧医疗13

1.4.3 智慧城市13

1.4.4 智能环保14

1.4.5 智能安保14

1.4.6 智慧农业14

1.4.7 智慧商务15

1.4.8 智能教育16

1.4.9 智慧军事16

本章小结17

参考文献18

第二篇 物联网视频图像感知框架21

第2章 物联网感知框架21

2.1 研究目的与意义21

2.1.1 计算机视觉技术监测作物生长研究目的与意义21

2.1.2 基于B/S模式的作物长势远程监测方法研究目的与意义22

2.2 国内外研究现状23

2.2.1 作物长势远程监测国外研究现状23

2.2.2 作物长势远程监测国内研究概况24

2.2.3 视频监控系统发展现状25

2.3 研究内容和预期目标26

2.3.1 研究内容26

2.3.2 预期目标26

本章小结27

参考文献27

第3章 系统整体方案设计29

3.1 系统硬件组成方案29

3.2 系统软件组成方案29

3.2.1 B/S模式与传统的C/S模式之间的选择29

3.2.2 JSP技术、ASP技术和PHP技术的比较30

3.2.3 Java语言与C＋＋语言的比较31

3.3 基于B/S模式的作物长势远程监测系统网络框架32

3.4 视频信号采集方法33

3.4.1 田间服务器摄像设备参数设置33

3.4.2 采集图像序列的参数要求33

3.4.3 实时视频帧图像采集策略说明33

3.5 玉米生长远程监测方法的技术路线34

本章小结34

参考文献35

第4章 基于B/S模式的作物长势远程监测网络框架的实现36

4.1 分体式田间服务器36

4.1.1 佳能VC-C4 PTZ云台摄像头36

4.1.2 AXIS 250S视频服务器37

4.1.3 分体式田间服务器的构建38

4.1.4 分体式田间服务器的工作原理39

4.2 一体式田间服务器40

4.2.1 网络智能高速球YW720041

4.2.2 网络智能恒速球YW750042

4.3 作物长势远程监测框架及Java Web服务器的建立43

4.3.1 基于B/S模式的作物长势远程监测网络框架43

4.3.2 Java Web服务器的建立44

4.4 分体式田间服务器监测系统主页的二次开发44

4.4.1 加载AMC 3.20组件的＜OBJECT＞标签45

4.4.2 Web服务器运行问题46

4.4.3 Tomcat服务器运行问题的原因分析及解决措施46

4.4.4 Tomcat与IIS或Apache服务器集成的应用研究46

4.4.5 Tomcat与专业服务器集成后的显示结果49

4.4.6 控制面板功能实现的关键代码50

4.5 一体式田间服务器监测系统网页和抓图软件二次开发52

4.5.1 播放H.264视频流的IE插件加载53

4.5.2 一体式田间服务器Web页面的二次开发54

4.5.3 Web服务器端自动实时抓取视频帧图像与视频信息的方法55

4.6 实验结果与分析56

4.6.1 网页打开速度56

4.6.2 压力测试57

本章小结57

参考文献58

第5章 JSP环境下的作物长势图像处理与分析方法60

5.1 JSP环境下的作物长势图像处理与分析方法探讨60

5.1.1 纯Java的方法60

5.1.2 混合语言编程的方法66

5.2 利用Java 2D即时模式进行作物长势图像处理实现66

5.2.1 显示原始玉米生长图像66

5.2.2 玉米生长图像灰度化处理69

5.2.3 玉米生长图像二值化处理71

5.2.4 用颜色特性进行玉米生长图像边缘检测72

5.3 基于迭代阈值算法和腐蚀算法的图像精确边缘检测73

5.3.1 传统边缘检测算法存在的问题74

5.3.2 基于迭代阈值算法和腐蚀算法的图像精确边缘检测74

5.3.3 仿真对比实验77

本章小结80

参考文献80

第6章 作物长势远程监测网络框架工程应用82

6.1 “生产现场视频”和“远程培训”项目的网络拓扑图82

6.2 项目实施中的关键措施83

6.2.1 超五类双绞线的最远传输距离限制及其解决措施83

6.2.2 田间服务器访问人数受限及其解决措施83

6.3 Web页面的二次开发85

本章小结86

参考文献86

第三篇 物联网视频图像感知新技术89

第7章 基于视觉注意模型的语义图像分割概述89

7.1 预注意理论90

7.1.1 特征整合理论90

7.1.2 纹理基元理论91

7.1.3 相似性理论92

7.1.4 指导搜索理论93

7.2 选择性视觉注意模型93

7.2.1 空间域SVAM94

7.2.2 时空域SVAM98

7.2.3 频域视觉注意模型98

7.3 图像分割理论99

7.3.1 图像分割分类100

7.3.2 图像分割需解决的问题和发展趋势105

本章小结106

参考文献106

第8章 PCNN图像分割理论和选择性视觉注意模型评价方法114

8.1 PCNN图像处理114

8.1.1 人工神经网络的三代划分114

8.1.2 PCNN模型及其简化115

8.1.3 PCNN模型在图像处理中的应用118

8.2 选择性视觉注意模型评价方法121

8.2.1 心理学预注意特征图像集122

8.2.2 SIMPLIcity图像集122

8.2.3 眼动数据图像集及其数字化指标123

8.2.4 手工标注显著目标物的图像集及其数字化指标128

8.2.5 均方差和t-test的引入131

本章小结132

参考文献132

第9章 选择性视觉注意模型与PCNN整合方法研究137

9.1 HVS的生理特性137

9.1.1 视觉刺激137

9.1.2 视觉感官137

9.1.3 视觉通道139

9.1.4 视觉中枢140

9.2 STB/Itti模型142

9.2.1 高斯金字塔分解143

9.2.2 特征图的生成147

9.2.3 特征图的合并策略149

9.2.4 关注图的生成151

9.2.5 显著图的生成152

9.2.6 注视焦点和感兴趣区域的提取153

9.3 STB/Itti＋PCNN整合模型154

9.3.1 STB/Itti＋PCNN整合模型的提出155

9.3.2 STB/Itti＋PCNN整合模型的工作流程159

9.4 结果及分析161

9.4.1 视觉对比实验结果及分析162

9.4.2 AUC对比实验结果及分析163

9.4.3 鲁棒性检测结果及分析163

9.4.4 实时性测试及分析166

本章小结167

参考文献167

第10章 最佳语义图像分割方法研究170

10.1 GBVS模型及其性能比较分析170

10.1.1 GBVS模型概述170

10.1.2 相关SVAM介绍173

10.1.3 GBVS与其相关SVAM在效果与性能上的比较179

10.2 GBVS＋PCNN整合模型183

10.2.1 接收输入域184

10.2.2 调制链接域184

10.2.3 脉冲产生域184

10.2.4 显著区域自动判别算法187

10.3 结果及分析188

10.3.1 视觉效果对比189

10.3.2 性能指标对比190

10.3.3 运行时间对比191

本章小结191

参考文献191

第11章 可硬件实现的实时语义图像分割方法研究194

11.1 PQFT模型194

11.1.1 PQFT模型概述194

11.1.2 改进PQFT模型198

11.2 改进PQFT与PCNN整合模型199

11.2.1 接收输入域199

11.2.2 显著区域自动判别算法200

11.2.3 结果及分析202

11.3 改进HFT模型204

11.3.1 频域视觉注意模型概述204

11.3.2 频域视觉注意模型的性能分析209

11.3.3 改进HFT模型212

11.3.4 实验结果的对比分析214

11.3.5 小结219

11.4 基于视觉显著性的图像分类219

11.4.1 显著区域的提取220

11.4.2 显著区域的特征提取220

11.4.3 图像分类225

11.4.4 实验结果与分析227

本章小结229

参考文献230

第12章 物联网视频图像感知总结与展望232

12.1 物联网视频图像感知总结232

12.2 物联网视频图像感知展望234

本章小结235

参考文献235

附录1 数学基础——四元数236

附录2 SaliencyToolbox 2.2＋PCNN各函数间的调用关系图242