本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。全书以图像处理基本流程为主线，内容包括智能图像处理技术、图像分割、图像特征提取、目标检测、图像识别、图像跟踪、目标行为分析、图像融合、图像处理应用实例、图像处理发展趋势。本书将智能图像处理算法和大量的应用实例相结合进行阐述，内容涵盖生物医学、机器视觉、智能交通、智能安防、军事等领域，在各章都列举了有代表性的实例，这些实例具有较好的通用性和应用性，便于读者学习理解，并能很快将这些方法投入到实际应用中。
本书适合作为高等院校师生学习智能图像处理技术的教辅材料，也可作为科研院所和公司研发人员的参考用书。

近年来人工智能尤其是深度学习的发展已超出人们的预料，广泛应用于视频图像领域，并且取得了极大的成功。智能图像处理从早期在军事、科研领域的“小众”应用，发展至今已经广泛应用到智慧城市、医疗、交通、安防、农业、工业、娱乐等各行各业，成为与人们生活和生产息息相关的“大众”应用。
本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。全书以图像处理基本流程为主线，内容包括智能图像处理技术、图像分割、图像特征提取、目标检测、图像识别、图像跟踪、目标行为分析、图像融合、图像处理应用实例、图像处理发展趋势。
第1章介绍智能图像处理的基本概念、图像处理过程、图像处理发展历史以及智能图像处理的应用领域。第2章介绍智能图像处理技术基础，包括机器学习理论、神经网络以及深度学习算法，为后续将这些智能方法应用于图像处理各环节奠定基础。第3章介绍智能图像分割的基本概念、智能图像分割方法及其多领域实际图像分割效果。第4章介绍智能图像特征提取的基本概念，图像底层特征及其特征提取方法，图像深层特征和深度学习特征提取方法，以及实际问题的图像特征。第5章介绍智能目标检测的基本概念和技术框架，基于深度学习的智能目标检测算法以及智能目标检测的应用。第6章介绍智能图像识别的基本原理及其应用，包括文字识别、人脸识别、手部生物特征识别。第7章介绍智能图像跟踪的概念、跟踪步骤和目标跟踪算法分类，智能目标跟踪方法以及跟踪应用的例子。第8章介绍智能视频行为分析及其应用，包括智能视频分析的基本概念、实现方式、功能，以及典型的行为分析的例子。第9章介绍智能图像融合的基本概念、基于卷积神经网络的智能图像融合方法，以及图像融合在医学、遥感、交通领域的应用。第10章列举了智能图像处理的部分实际应用，内容囊括身份鉴别、智能安防、机器视觉、人机交互几个方面。第11章介绍智能图像处理技术和应用方面的发展趋势，阐述了智能图像处理的发展动力和发展趋势，介绍了图像处理与分析的开发平台，分析了智能图像处理存在的问题。
本书由杨露菁、吉文阳、郝卓楠、李翀伦、吴俊锋编著。具体分工如下：海军工程大学的杨露菁，负责全书主要章节的编写及统稿；中国科学院的吉文阳编写第5、6章的部分内容，航天科技集团的郝卓楠编写第8、10章的部分内容，某部研究院的李翀伦编写第3、7章的部分内容，中国电子科技集团的吴俊锋编写第11章和第9章的部分内容。 全书由徐洁磐主审。
本书将智能图像处理算法和大量的应用实例相结合进行阐述，内容涵盖生物医学、机器视觉、智能交通、智能安防、军事等领域，在各章都列举了有代表性的实例，这些实例具有较好的通用性和应用性，便于读者学习理解，并能很快将这些方法投入到实际应用中。
本书参考了大量国内外学者的学术论文和互联网资讯，在书后列举了这些参考文献，在此对原作者表示衷心的感谢！由于作者学识有限，书中难免存在疏漏和不足之处，敬请批评指正。
编者
2019年1月

第1章绪论
1.1图像与图像处理概述
1.1.1图像与图像处理的概念
1.1.2图像处理过程
1.1.3图像处理任务
1.2智能图像处理概述
1.2.1智能图像处理概念
1.2.2智能图像基准数据集
1.2.3智能图像处理基准测试
1.3智能图像处理应用领域
1.3.1医疗领域
1.3.2机器视觉
1.3.3智能交通
1.3.4智能安防
1.3.5军事领域

第2章智能图像处理技术
2.1机器学习理论
2.1.1机器学习概述
2.1.2机器学习方式
2.1.3机器学习算法
2.2人工神经网络
2.2.1人工神经元
2.2.2感知器
2.2.3支持向量机
2.2.4递归神经网络
2.3卷积神经网络
2.3.1深度学习概述
2.3.2卷积神经网络原理
2.3.3VGG卷积神经网络

第3章智能图像分割


3.1图像分割基本概念
3.1.1图像分割概念
3.1.2传统图像分割方法
3.2智能图像分割方法
3.2.1基于模糊聚类的分割方法
3.2.2基于群智能的图像分割方法
3.2.3基于CNN的图像分割方法
3.3图像分割的应用效果
3.3.1医学图像分割
3.3.2交通图像分割
3.3.3身体部位分割

第4章智能图像特征提取


4.1图像特征概述
4.1.1图像特征的基本概念
4.1.2图像的底层特征
4.2智能图像特征提取方法
4.2.1图像的深层特征
4.2.2深度学习特征提取
4.2.3深度学习特征提取的例子
4.3图像特征提取应用
4.3.1医学图像特征
4.3.2水面目标特征

第5章智能目标检测


5.1图像目标检测原理
5.1.1目标检测技术框架
5.1.2目标检测评价指标
5.1.3目标检测应用分类
5.2智能目标检测算法
5.2.1RCNN
5.2.2SPPNet
5.2.3Fast RCNN
5.2.4Faster RCNN
5.2.5YOLO系列
5.3智能目标检测应用
5.3.1人脸检测
5.3.2无人艇目标检测
5.3.3车辆检测
5.3.4缺陷检测

第6章智能图像识别

6.1图像识别基本原理
6.1.1图像识别概述
6.1.2图像识别过程
6.1.3传统图像识别方法
6.1.4卷积神经网络识别模型
6.2文字识别
6.2.1文字识别系统
6.2.2LeNet网络文字识别
6.2.3文字识别应用——车牌识别
6.3人脸识别
6.3.1人脸识别系统
6.3.2人脸识别算法
6.3.3人脸识别应用——人机交互
6.4手部生物特征识别
6.4.1指纹识别
6.4.2掌纹识别
6.4.3静脉识别
6.4.4手部生物特征识别应用——身份鉴别

第7章智能图像跟踪
7.1图像跟踪概述
7.1.1图像跟踪问题描述
7.1.2图像跟踪步骤
7.1.3图像跟踪算法分类
7.2智能图像跟踪算法
7.2.1DLT和SODLT算法
7.2.2FCNT和HCFVT算法
7.2.3MDNet算法
7.2.4RTT算法
7.3图像跟踪应用
7.3.1图像跟踪应用概述
7.3.2交通视频车辆跟踪
7.3.3街景视频行人跟踪

第8章智能目标行为分析
8.1智能视频分析概述
8.1.1智能视频分析的基本概念
8.1.2智能视频分析的实现方式
8.1.3智能视频分析功能
8.2人体行为分析
8.2.1人体行为分析概述
8.2.2人体行为分析方法
8.2.3人体行为分析应用
8.3行人异常行为分析
8.3.1行人摔倒行为分析
8.3.2人群异常行为分析
8.4手势识别
8.4.1手势识别概述
8.4.2基于视觉的手势识别
8.5多人视频中关键事件识别

第9章智能图像融合
9.1图像融合概述
9.1.1图像融合的基本概念
9.1.2图像融合的处理层次
9.2图像融合方法
9.2.1图像融合方法概述
9.2.2基于卷积神经网络的图像融合方法
9.3图像融合应用
9.3.1多模态医学影像融合
9.3.2多元遥感图像融合
9.3.3多源交通图像融合
9.3.4多波段舰船图像融合

第10章智能图像处理应用实例
10.1身份鉴别
10.1.1苹果手机刷脸解锁
10.1.2刷脸的生活应用
10.2智能安防
10.2.1格灵深瞳监控系统
10.2.2商汤科技智能人群分析
10.2.3全球眼
10.2.4智能视频监控产品
10.3机器视觉
10.3.1百度机器人人脸识别
10.3.2百度无人驾驶
10.3.3亚马逊无人超市
10.4人机交互
10.4.1百度识图
10.4.2腾讯云OCR文字识别
10.4.3Facebook图片搜索

第11章智能图像处理发展趋势
11.1智能图像处理的发展动力
11.2智能图像处理的发展趋势
11.2.1总体发展特点
11.2.2图像设备发展趋势
11.2.3图像处理硬件系统发展趋势
11.2.4图像处理技术发展趋势
11.3图像处理与分析开发平台
11.3.1OpenCV
11.3.2Face++
11.3.3NiftyNet
11.3.4其他开源项目
11.4智能图像处理应用发展趋势
11.4.1智能安防行业
11.4.2智能交通领域
11.4.3身份识别
11.4.4工业生产领域
11.4.5农业生产领域
11.5智能图像处理存在的问题

参考文献

杨露菁：海军工程大学电子工程学院教授，研究方向为指挥信息系统、人工智能、计算机视觉。教学科研成果：获军队教学成果三等奖1项，总参信息化部通信兵教学成果二等奖1项，海军院校优秀课程一等奖1项，二等奖1项。获军队科技进步二等奖1项，三等奖6项，国防科技进步二等奖1项，海军军事理论研究课题三等奖2项。

本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。