本书利用国内外人工智能、计算机视觉、深度学习、图像处理和模式识别领域的最新研究成果，针对当今应用领域中多种识别技术的特点，通过大量应用研究使读者可以系统地了解自动识别技术的最新发展，帮助读者构建基于机器视觉的图像识别应用系统。本书引入小波理论、粗糙集理论、模糊神经网络等人工智能方法，通过仿真实验研究，建立了表面缺陷的自动视觉检测系统，系统具有良好的分类精度、识别速度、鲁棒性和抗干扰性。其研究成果的推广应用可以显著提高劳动生产率，提高工业生产线的产品质量检测水平，并可带来显著的经济效益和社会效益。为进一步拓展其应用领域，本书对步态识别、足迹识别、手势识别、火灾识别等实际案例进行了深入的研究和分析，取得了重要的研究成果。
本书取材新颖，论述深入浅出，图例丰富，注重理论与实践相结合，可供从事图像处理与识别技术的研究人员和工程技术人员参考和学习之用。

第1章 引言
1.1 图像识别技术研究的目的与意义
1.2 国内外研究现状及发展趋势
第2章 基于模糊粗糙集的图像增强
2.1 图像增强
2.2 基于属性直方图和模糊粗糙集理论的图像增强
2.3 实验与结果分析
第3章 基于模糊逻辑和偏微分方程的图像增强
3.1 模糊集合理论
3.2 模糊图像处理系统
3.3 基于模糊逻辑和偏微分方程的图像增强算法
3.4 实验与结果分析
第4章 基于小波变换的图像特征提取
4.1 小波变换的产生及发展
4.2 小波变换及性质
4.3 离散小波的快速实现
4.4 特征提取
4.5 纹理图像的特征提取
4.6 基于小波变换的图像特征提取方法
4.7 实验与结果分析
第5章 基于粗糙集的神经网络图像识别方法研究
5.1 系统描述
5.2 粗糙集特征提取与选择
5.3 系统功能实现
5.4 仿真实验研究
第6章 基于粗糙集的模糊神经网络图像识别方法研究
6.1 模糊逻辑与神经网络
6.2 系统框架结构
6.3 系统功能与特点
6.4 仿真实验研究
第7章 神经网络参数优化设计
7.1 正交试验设计
7.2 实验结果分析
7.3 响应曲面法
7.4 神经网络参数最优设置
第8章 图像识别案例：基于多特征融合的步态分类识别
8.1 特征融合算法
8.2 基于支持向量机的分类识别
8.3 基于SVM算法的步态识别
8.4 实验结果对比分析
第9章 图像识别案例：基于Kinect的静态手势识别
9.1 静态手势图像边缘特征提取
9.2 静态手势参数特征
9.3 DAG-SVMs静态手势识别算法
9.4 实验结果与分析
9.5 静态手势与多媒体音量调节的交互系统设计
9.6 音量调节交互系统的实现
9.7 手势交互系统分析
第10章 图像识别案例：基于Kinect的动态手势识别
10.1 动态手势的骨骼关节三维数据获取
10.2 动态手势的特征描绘
10.3 DTW手势识别算法
10.4 实验结果与分析
第11章 图像识别案例：基于视频图像的火灾识别
11.1 运动前景目标检测算法
11.2 具有火焰颜色的运动目标检测
11.3 火焰特征提取与判定
11.4 火焰特征检测的综合分析
11.5 实验结果分析
11.6 基于改进的背景估计法的运动区域检测
11.7 烟雾特征提取与判定
11.8 烟雾特征的综合分析
11.9 实验结果与分析
第12章 图像识别案例：基于机器视觉的轨道障碍物识别
12.1 可疑障碍物辅助检测
12.2 可疑障碍物检测
12.3 角点特征提取
12.4 特征匹配
12.5 目标测速
12.6 障碍物辅助检测
12.7 目标特征提取
12.8 运动轨迹以及目标测速
第13章 图像识别案例：智能车辆结构化道路目标检测
13.1 生成假设车辆
13.2 验证假设车辆
13.3 车辆检测实验结果及分析
第14章 图像识别案例：基于人眼识别的驾驶员疲劳检测
14.1 基于微积分投影函数和Hough变换二级人眼定位方法
14.2 利用PERCLOS疲劳状态分析
14.3 实验与结果分析
参考文献