概要智能视感（Intellectual Visual Perception，IVP）是一种非接触式传感的概念，是一种基于全新的科学概念来实现对景物图像的认识、理解的方法与技术。从总的技术范畴来讲，智能视感技术属于检测技术领域，所以在工程应用中往往直接称其为视感智能检测。
从20世纪60年代中期开始，图像传感及其信号处理的理论与技术已经引起世界学术界的高度重视，因为这是一项新兴技术，也是一门从图像所富含的信息中感知、认识与理解自然现象及其客观规律的科学。
虽然现实世界中的物体是三维的（乃至多维的），但是通过图像传感器所获得的景物图像却是二维的。如何从二维图像中获取三维信息，进而感知三维世界，正是计算机科学有关图像信息特征提取、信号分析与原形再现的研究内容，其间存在着无穷无尽的知识需要人们去探索和研究。
图像传感及其信号处理，与人的眼睛和大脑对外界景物图像的感知过程极为相似。本文基于以下三大方面的思考使用“视感”的概念。
首先，计算机视觉也好，机器视觉也好，都是沿用了人类对人体生命科学尚不发达时期所生成的生理器官术语“视觉”而形成，显然缺乏深层次的物理和生理科学的内涵；尽管“视感”与“视觉”仅有一字之差，但是前者却已充分显现出人脑器官对信息拾取所起到的重要且不可替代的作用。
其次，“视感”概念的提出，将智能机器对外部景物进行认识和理解的整个运动过程分解为图像传感和视图感知两大部分。图像传感相当于人的眼睛及其视网膜上的杆状和椎状细胞，直接与外界通过光线进行联系，从而对周围环境作出最直接、最迅速的反应；视图感知相当于人脑中枢，由视网膜细胞产生信号传送至大脑的视感知区，来读取、分析光的信号，从而知道物体的远近、大小、颜色、形状等具体信息，还可以将成像进行联想、翻转等等。不难想见，仅凭视图感知器，而没有图像传感器就无法获取图像信息，这好比一个人的大脑中视觉中枢完好，但是没有眼睛及其视网膜，或者眼睛与视网膜已经损坏，是无法感知周围的景物图像及其信息；同样，仅凭图像传感器也是无法完成机器对外界景物形象的感知，这好比一个人即使眼睛及其视网膜完好，但是大脑的视觉中枢不健全或者视感神经缺损，仍然致盲。换句话说，要真正实现“基于机器视觉”的非接触式检测必须通过图像传感器和视图感知器的完美结合才能得以完成，这就是“视感”二字的由来。
最后，从“视感”的角度出发来阐述智能机器对图像信息的分析和理解过程，能够科学地将“图像分析”与“机器视觉”有机地融合起来。这是因为，图像分析和机器视觉是相关而又不同的两个研究领域。从某种意义上说，图像分析是机器视觉的一部分；然而，从另一种意义上说，图像分析又是一门更宽广的学科。
图书信息书 名: 智能
视感学
作者：张秀彬
出版社：中国水利水电出版社
出版时间： 2010年03月
ISBN: 9787508472911
开本： 16开
定价: 32.00 元
内容简介《智能视感学》从计算机视感及其信号处理的基本概念与基础理论出发，阐述基于图像信息的识别、理解和检测技术原理与方法。全书分为基础篇与应用篇两大部分，其中，基础篇系统地介绍了智能视感的基本原理、方法、关键技术及其算法；应用篇则由配合主要基础理论和方法的应用技术实例所组成。全书遵循理论知识与实用技术的紧密结合、数学方法与实用效果的相互印证等编写原则。《智能视感学》涉及的教学内容，主要包括图像处理基础、摄像机数学模型、视感识别算法、视感检测原理、智能视感实用技术等。
《智能视感学》可以作为检测与控制、自动化、计算机、机器人及人工智能等专业的高年级本科生和研究生的教材，同时也可作为专业技术人员的参考工具书。
图书目录前言
基础篇
第1章 导论
1.1 概述
1.1.1 视感概念
1.1.2 视感技术发展史略
1.1.3 视感系统分类
1.2 视感技术硬件基础
1.2.1 图像传感
1.2.1.1 常用图像传感器
1.2.1.2 CCD图像传感器的物理特性
1.2.1.3 摄像机技术特点
1.2.1.4 摄像机选用原则与设置方法
1.2.2 图像采集
1.2.2.1 图像采集卡类型
1.2.2.2 图像采集卡基本性能
1.2.3 视感系统对计算机的配置要求
1.2.3.1 硬件配置
1.2.3.2 数据通信接口
习题
第2章 图像处理基础
2.1 灰度图像的基本处理方法
2.1.1 空间域增强算法
2.1.1.1 空间域点运算
2.1.1.2 图像平滑
2.1.1.3 图像锐化
2.1.2 频率域增强算法
2.1.2.1 低通滤波增强算法——频率域平滑法
2.1.2.2 高通滤波增强算法——频率域锐化法
2.2 灰度图像边缘检测
2.2.1 门限化边缘检测
2.2.2 基于梯度的边缘检测
2.2.3 边缘检测Laplacian算子
2.2.4 Carmy边缘算子
2.2.5 数学形态学法
2.2.6 其他算法的简要介绍
2.3 图像二值化处理与图像分割方法
2.3.1 概述
2.3.2 基于直方图谷点门限的图像二值化方法
2.3.3 OTSU算法
2.3.4 最小误差图像分割法
2.4 彩色图像增强
2.4.1 彩色空间及其变换
2.4.1.1 彩色空间描述
2.4.1.2 彩色空间变换
2.4.2 彩色图像色阶直方图均衡化
2.5 彩色图像的边缘检测
2.5.1 基于梯度极值的彩色图像边缘检测
2.5.2 彩色图像边缘检测实用方法
习题
第3章 摄像机数学模型
3.1 图像空问几何变换
3.1.1 齐次坐标
3.1.2 正交变换和刚体变换
3.1.3 相似变换和仿射变换
3.1.4 透视变换
3.2 图像坐标及其变换
3.2.1 图像坐标系
3.2.2 图像坐标变换
3.2.2.1 摄像机坐标线性变换
3.2.2.2 图像畸变描述
3.3 摄像机参数标定的常用方法
3.3.1 分步标定法
3.3.2 基于多个自由平面的标定算法
3.3.3 非线性畸变参数标定法
习题
第4章 视感识别算法
4.1 图像特征提取与识别算法
4.1.1 决策理论方法
4.1.1.1 线性判别函数
4.1.1.2 最小距离分类函数
4.1.1.3 最近邻域分类函数
4.1.1.4 非线性判别函数
4.1.2 统计分类法
4.1.2.1 贝叶斯法则
4.1.2.2 最小错误率的贝叶斯分类法
4.1.2.3 最小风险的贝叶斯分类法
4.1.3 图像识别过程特征分类判别相似度
4.2 主分量分析一
4.2.1 主分量分析原理
4.2.1.1 K—L变换
4.2.1.2 K—L变换性质
4.2.2 核主分量分析
4.2.2.1 核函数
4.2.2.2 核函数类型
4.2.2.3 核主分量
4.2.3 基于主分量分析的图像识别
4.3 支持向量机
4.3.1 统计学习理论的主要内容
4.3.1.1 学习过程一致性条件
4.3.1.2 VC维理论
4.3.2 分类支持向量机
4.3.2.1 支持向量机的体系结构
4.3.2.2 最优分类超平面
4.3.2.3 最优分类超平面的求取方法
4.3.3 非线性回归问题求解
4.3.3.1 e-不敏感损失函数
4.3.3.2 用于非线性回归的支持向量机
4.3.4 支持向量机的算法
4.3.4.1 处理大数据集的SVM训练算法
4.3.4.2 序贯最小优化算法
4.3.5 基于支持向量机的图像特征识别
4.4 不变矩与归一化转动惯量
4.4.1 矩理论
4.4.1.1 空间矩和中心矩
4.4.1.2 不变矩
4.4.1.3 矩的应用
4.4.2 归一化转动惯量(NMI)
4.4.2.1 NMI特征定义
4.4.2.2 NMI识别算法
4.4.2.3 基于灰度权重的NMI快速匹配
4.5 模板匹配及其相似度
4.5.1 模板匹配的空间域描述
4.5.1.1 第一类相似度——误差
4.5.1.2 第二类相似度——互相关
4.5.1.3 空间域模板匹配的进一步讨论
4.5.2 模板匹配的频域描述
4.5.2.1 第三类相似度——相位频谱方法
4.5.2.2 傅里叶一梅林相似度
4.6 基于颜色特征的目标识别
4.6.1 图像色度学处理
4.6.1.1 偏色处理
4.6.1.2 彩色空间转换
4.6.1.3 计算彩色图像的统计特征
4.6.2 建立颜色特征池
4.6.2.1 颜色特征池基本概念及其集合特性
4.6.2.2.颜色特征池的初始化
4.6.2.3 基于颜色特征池的目标景象切割
4.6.3 基于颜色的目标识别
4.7 图像模糊识别方法
4.7.1 模糊内容特征及其模糊相似度
4.7.1.1 模糊内容特征表示方法
4.7.1.2 基于模糊内容特征的相似度计算
4.7.2 模糊结构提取
4.7.2.1 图像二叉树切割
4.7.2.2 模糊特征提取
4.7.2.3 基于模糊相似度的节点匹配
……
第5章 视感检测原理
5.1 单视几何与单目视感检测原理
5.2 双目视感检测原理
5.3 多目视感检测理论基础
习题
应用篇
第6章 智能视感实用技术
6.1 桥梁限载自动监控系统及其方法
6.2 钢坯号智能识别系统
6.3 基于图像信息的纸币清分技术
6.4 车辆智能防撞技术
6.5 交通信号灯视感智能控制
习题
附录
Ⅰ最小二乘及在视感检测中的常用算法
Ⅰ.1 算法基本思想
Ⅰ.2 视感检测中常用的最小二乘算法
Ⅱ贝叶斯决策理论与方法
Ⅱ.1 概述
Ⅱ.2 贝叶斯分类决策模型
Ⅲ统计学习与VC维理论
Ⅲ.1 边界理论与VC维原理
Ⅲ.2 推广能力边界
Ⅲ.3 结构风险最小化归纳原理
Ⅳ关于约束非线性规划问题最优解条件
Ⅳ.1 Kuhn-Tucker条件
Ⅳ.2 Karush-Kuhn-Tucker条件
术语索引
参考文献
……
