計算機(jī)視覺教程

第1章  緒論 
　1.1  計算機(jī)視覺 
　  1.1.1  視覺 
　  1.1.2  計算機(jī)視覺概述 
　  1.1.3  相關(guān)學(xué)科 
　  1.1.4  應(yīng)用領(lǐng)域 
　1.2  圖像基礎(chǔ) 
　  1.2.1  圖像 
　  1.2.2  圖像表達(dá)和顯示 
　  1.2.3  圖像存儲 
　1.3  像素間聯(lián)系
　  1.3.1  像素鄰域 
　  1.3.2  像素間距離 
　1.4  本書內(nèi)容提要 
　  1.4.1  計算機(jī)視覺系統(tǒng)及模塊 
　  1.4.2  如何學(xué)習(xí)使用本書 
　總結(jié)和復(fù)習(xí) 
第2章  視覺和視知覺
　2.1  視覺過程和特性
　  2.1.1  視覺過程
　  2.1.2  視覺的時間特性 
　  2.1.3  視覺的空間特性 
　2.2  形狀知覺 
　  2.2.1  形狀的感知 
　  2.2.2  輪廓 
　  2.2.3  圖形和背景 
　2.3  空間知覺
　  2.3.1  非視覺性深度線索
　  2.3.2  雙目深度線索 
　  2.3.3  單目深度線索 
　2.4  運(yùn)動知覺 
　總結(jié)和復(fù)習(xí) 
第3章  圖像采集 
　3.1  采集模型 
　  3.1.1  幾何成像模型 
　  3.1.2  亮度成像模型 
　3.2  采集裝置 
　  3.2.1  采集裝置及性能指標(biāo) 
　  3.2.2  空間和幅度分辨率 
　3.3  采集方式 
　  3.3.1  成像方式一覽 
　  3.3.2  結(jié)構(gòu)光法 
　3.4  攝像機(jī)標(biāo)定
　  3.4.1  標(biāo)定程序和步驟
　  3.4.2  兩級標(biāo)定法 
　總結(jié)和復(fù)習(xí) 
第4章  圖像預(yù)處理 
　4.1  坐標(biāo)變換 
　  4.1.1  基本坐標(biāo)變換 
　  4.1.2  幾何失真校正 
　4.2  灰度映射 
　  4.2.1  灰度映射原理 
　  4.2.2  灰度映射示例 
　4.3  直方圖修正 
　  4.3.1  直方圖均衡化 
　  4.3.2  直方圖規(guī)定化 
　4.4  空域?yàn)V波
　  4.4.1  原理和分類
　  4.4.2  線性平滑濾波 
　  4.4.3  線性銳化濾波 
　  4.4.4  非線性平滑濾波 
　  4.4.5  非線性銳化濾波 
　總結(jié)和復(fù)習(xí) 
第5章  基元檢測 
　5.1  邊緣檢測 
　  5.1.1  檢測原理 
　  5.1.2  一階導(dǎo)數(shù)算子 
　  5.1.3  二階導(dǎo)數(shù)算子
　  5.1.4  邊界閉合 
　5.2  SUSAN算子 
　  5.2.1  USAN原理 
　  5.2.2  角點(diǎn)和邊緣檢測 
　5.3  哈夫變換 
　  5.3.1  基本哈夫變換原理 
　  5.3.2  廣義哈夫變換原理 
　  5.3.3  完整廣義哈夫變換
　5.4  位置直方圖技術(shù) 
　總結(jié)和復(fù)習(xí) 
第6章  目標(biāo)分割 
　6.1  輪廓搜索 
　  6.1.1  圖搜索 
　  6.1.2  動態(tài)規(guī)劃 
　6.2  主動輪廓模型 
　  6.2.1  主動輪廓 
　  6.2.2  能量函數(shù)
　6.3  基本閾值技術(shù)
　  6.3.1  原理和分類
　  6.3.2  全局閾值的選取   
　  6.3.3  局部閾值的選取
　  6.3.4  動態(tài)閾值的選取
　6.4  特色閾值方法   
　  6.4.1  多分辨率閾值   
　  6.4.2  過渡區(qū)閾值 
　總結(jié)和復(fù)習(xí) 
第7章  目標(biāo)表達(dá)和描述 
　7.1  基于邊界的表達(dá) 
　  7.1.1  鏈碼 
　  7.1.2  邊界段和凸包 
　  7.1.3  邊界標(biāo)記 
　7.2  基于區(qū)域的表達(dá) 
　  7.2.1  四叉樹 
　  7.2.2  圍繞區(qū)域 
　  7.2.3  骨架 
　7.3  基于邊界的描述 
　  7.3.1  邊界長度和直徑 
　  7.3.2  邊界形狀數(shù) 
　7.4  基于區(qū)域的描述 
　  7.4.1  區(qū)域面積和密度 
　  7.4.2  區(qū)域形狀數(shù) 
　  7.4.3  不變矩 
　  7.4.4  拓?fù)涿枋龇?nbsp;
　總結(jié)和復(fù)習(xí) 
第8章  形狀特性分析 
　8.1  形狀緊湊性描述符 
　8.2  形狀復(fù)雜性描述符 
　  8.3  基于多邊形的形狀分? 
　  8.3.1  多邊形的獲取 
　  8.3.2  多邊形描述 
 8.4  基于曲率的形狀分析 
　  8.4.1  輪廓曲率 
　  8.4.2  曲面曲率 
　總結(jié)和復(fù)習(xí) 
第9章  立體視覺 
　9.1  立體視覺模塊 
　9.2  雙目成像和視差 
　  9.2.1  雙目橫向模式 
　  9.2.2  雙目橫向會聚模式 
　  9.2.3  雙目縱向模式 
　9.3  基于區(qū)域的立體匹配 
　  9.3.1  模板匹配   
　  9.3.2  雙目立體匹配 
　9.4  基于特征的立體匹配 
　  9.4.1  點(diǎn)對點(diǎn)的方法 
　  9.4.2  動態(tài)規(guī)劃匹配 
　總結(jié)和復(fù)習(xí) 
第10章  三維景物恢復(fù) 
　10.1  由光移恢復(fù)表面朝向 
　  10.1.1  表面反射特性 
　  10.1.2  目標(biāo)表面朝向 
　  10.1.3  反射圖 
　  10.1.4  光度立體學(xué)求解 
 10.2  從明暗恢復(fù)形狀 
　  10.2.1  明暗與形狀 
　  10.2.2  求解亮度方程   
　10.3  紋理變化與表面朝向 
　  10.3.1  三種典型變化 
　  10.3.2  確定線段的紋理消失點(diǎn) 
　10.4  根據(jù)焦距確定深度 
　總結(jié)和復(fù)習(xí) 
第11章  運(yùn)動分析 
　11.1  運(yùn)動分類和表達(dá) 
　11.2  全局運(yùn)動檢測 
　  11.2.1  利用圖像差的運(yùn)動檢測 
　  11.2.2  基于模型的運(yùn)動檢測 
　11.3  運(yùn)動目標(biāo)分割 
　11.4  運(yùn)動光流和表面取向 
　  11.4.1  光流約束方程 
　  11.4.2  光流計算 
　  11.4.3  光流與表面取向
　總結(jié)和復(fù)習(xí)
第12章  景物識別
　12.1  統(tǒng)計模式分類
　  12.1.1  模式分類原理
　  12.1.2  最小距離分類器
　  12.1.3  最優(yōu)統(tǒng)計分類器
　12.2  感知機(jī) 
　12.3  支持向量機(jī) 　12.4  結(jié)構(gòu)模式識別 
　  12.4.1  字符串結(jié)構(gòu)識別 
　  12.4.2  樹結(jié)構(gòu)識別 
　總結(jié)和復(fù)習(xí) 
第13章  廣義匹配 
　13.1  目標(biāo)匹配 
　  13.1.1  匹配的度量 
　  13.1.2  字符串匹配 
　  13.1.3  慣量等效橢圓匹配 
　13.2  動態(tài)模式匹配 
　  13.3  關(guān)系匹配 
　  13.3.1  關(guān)系表達(dá)和距離 
　  13.3.2  關(guān)系匹配模型 
　13.4  圖同構(gòu)匹配 
　  13.4.1  圖論基礎(chǔ) 
　  13.4.2  圖同構(gòu)和匹配 
　總結(jié)和復(fù)習(xí) 
第14章  場景解釋 
　14.1  線條圖標(biāo)記解釋 
　14.2  體育比賽視頻排序 
　14.3  計算機(jī)視覺系統(tǒng)模型 
　  14.3.1  多層次串行結(jié)構(gòu) 
　  14.3.2  以知識庫為中心的輻射結(jié)構(gòu) 
　  14.3.3  多模塊交叉配合結(jié)構(gòu) 
　14.4  計算機(jī)視覺理論框架 
　  14.4.1  馬爾視覺計算理論 
　  14.4.2  對馬爾理論框架的改進(jìn) 
　  14.4.3  新理論框架的研究 
　總結(jié)和復(fù)習(xí) 
部分練習(xí)題解答 
參考文獻(xiàn) 
索引