計算機(jī)視覺教程

內(nèi)容概要

本書系統(tǒng)地介紹計算機(jī)視覺的一些基本原理、典型方法和實用技術(shù)，內(nèi)容包括視覺和視知覺、圖像采集、圖像預(yù)處理、基元檢測、目標(biāo)分割、目標(biāo)表達(dá)和描述、形狀特性分析、立體視覺、三維景物恢復(fù)、運動分析、景物識別、廣義匹配、場景解釋。讀者可從中了解計算機(jī)視覺的基本原理和典型技術(shù)，并能據(jù)此解決計算機(jī)視覺應(yīng)用中的一些具體問題。《計算機(jī)視覺教程》提供了許多講解例題，每章均有要點和小結(jié)、參考文獻(xiàn)介紹以及練習(xí)題(為部分練習(xí)題提供了解答)。
本書可作為信息科學(xué)、計算機(jī)科學(xué)、計算機(jī)應(yīng)用、信號與信息處理、通信與信息系統(tǒng)、電子與通信工程、模式識別與智能系統(tǒng)等學(xué)科大學(xué)本科或研究生的專業(yè)基礎(chǔ)課教材，也可作為遠(yuǎn)程教育或繼續(xù)教育中計算機(jī)應(yīng)用、電子技術(shù)等專業(yè)的研究生課程教材，還可供涉及計算機(jī)視覺技術(shù)應(yīng)用行業(yè)(如工業(yè)自動化、人機(jī)交互、辦公自動化、視覺導(dǎo)航和機(jī)器人、安全監(jiān)控、生物醫(yī)學(xué)、遙感測繪、智能交通和軍事公安等)的科技工作者自學(xué)或科研參考。

作者簡介

章毓晉，1989年獲比利時列日大學(xué)應(yīng)用科學(xué)博士學(xué)位。1989年至1993年先后為荷蘭德爾夫特大學(xué)博士后及研究人員。1993年到清華大學(xué)工作。1997年起被聘為教授，1998年起被聘為博士生導(dǎo)師。已在國內(nèi)外發(fā)表了300多篇圖像工程研究論文，編寫了20本教材和專著?，F(xiàn)為中國圖像圖形學(xué)學(xué)會副理事長，該學(xué)會學(xué)術(shù)委員會主任。

書籍目錄

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 空域濾波
　 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?br />　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析
　 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 點對點的方法
　 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
　10.4 根據(jù)焦距確定深度
　總結(jié)和復(fù)習(xí)
第11章 運動分析
　11.1 運動分類和表達(dá)
　11.2 全局運動檢測
　 11.2.1 利用圖像差的運動檢測
　 11.2.2 基于模型的運動檢測
　11.3 運動目標(biāo)分割
　11.4 運動光流和表面取向
　 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

章節(jié)摘錄

版權(quán)頁：插圖：（2）機(jī)器視覺。機(jī)器視覺／機(jī)器人視覺與計算機(jī)視覺有著千絲萬縷的聯(lián)系，很多情況下都作為同義詞使用。具體地說，一般認(rèn)為計算機(jī)視覺更側(cè)重于對場景分析和圖像解釋的理論和算法，而機(jī)器視覺／機(jī)器人視覺則更關(guān)注通過視覺傳感器獲取環(huán)境的圖像，構(gòu)建具有視覺感知功能的系統(tǒng)以及實現(xiàn)檢測和辨識物體的算法。（3）模式識別。模式是指有相似性但又不完全相同的客觀事物或現(xiàn)象所構(gòu)成的類別。模式包含的范圍很廣，圖像就是模式的一種。識別是指從客觀事實中自動建立符號描述或進(jìn)行邏輯推理的數(shù)學(xué)和技術(shù)，因而人們定義模式識別為對客觀世界中的物體和過程進(jìn)行分類、描述的學(xué)科。目前，對圖像模式的識別主要集中在對圖像中感興趣的內(nèi)容（目標(biāo)）的分類、分析和描述，在此基礎(chǔ)上還可以進(jìn)一步實現(xiàn)計算機(jī)視覺的目標(biāo)。同時，計算機(jī)視覺的研究中也使用了很多模式識別的概念和方法，但視覺信息有其特殊性和復(fù)雜性，傳統(tǒng)的模式識別（競爭學(xué)習(xí)模型）并不能把計算機(jī)視覺全部包括進(jìn)去。（4）人工智能。人類智能主要指人類理解世界、判斷事物、學(xué)習(xí)環(huán)境、規(guī)劃行為、推理思維、解決問題等的能力。人工智能則指由人類用計算機(jī)模擬、執(zhí)行或再生某些與人類智能有關(guān)的功能的能力和技術(shù)。視覺功能是人類智能的一種體現(xiàn)，所以計算機(jī)視覺與人工智能密切相關(guān)。計算機(jī)視覺的研究中使用了許多人工智能技術(shù)，反過來，計算機(jī)視覺也可看做是人工智能的一個重要應(yīng)用領(lǐng)域，需要借助人工智能的理論研究成果和系統(tǒng)實現(xiàn)經(jīng)驗。（5）計算機(jī)圖形學(xué)。計算機(jī)圖形學(xué)研究如何由給定的描述生成“圖像”，它與計算機(jī)視覺也有密切的關(guān)系。一般人們將計算機(jī)圖形學(xué)稱為計算機(jī)視覺的反／逆（inverse）問題，因為視覺從2-D圖像提取3-D信息，而圖形學(xué)使用3-D模型來生成2-D場景圖像。需要注意的是，與計算機(jī)視覺中存在許多不確定性相比，計算機(jī)圖形學(xué)處理的多是確定性問題，是通過數(shù)學(xué)途徑可以解決的問題。在許多實際應(yīng)用中，人們更多關(guān)心的是圖形生成的速度和精度，即在實時性和逼真度之間取得某種妥協(xié)。

編輯推薦

《計算機(jī)視覺教程》是一本專門的教材，系統(tǒng)地介紹了計算機(jī)視覺的一些基本原理、典型方法和實用技術(shù)。從教學(xué)的角度看，主要特色包括：·設(shè)計了內(nèi)容均衡、長度類似、節(jié)數(shù)相同的14章，可每章一次課，用于一個學(xué)期的教學(xué)。·概念多給出了精煉定義，盡量減少了公式推導(dǎo)，提供了較多的例題，對部分練習(xí)題提供了參考解答?！っ空戮锌偨Y(jié)和復(fù)習(xí)，并有針對性地介紹參考文獻(xiàn)?！の暮蠼o出術(shù)語索引和對應(yīng)的英文，這既方便了對《計算機(jī)視覺教程》的查閱，也方便了聯(lián)網(wǎng)搜索相關(guān)資料。選材全面、原理清晰、方法詳盡、注重實用。突出重點、解釋直觀、定義精煉、示例豐富。各章內(nèi)容平衡、方便課堂教學(xué)、提供術(shù)語索引。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    計算機(jī)視覺教程 PDF格式下載

---