計算機視覺基礎(chǔ)

定　價：￥119.00

作　者：	[美] 韋斯利·E.斯奈德，[美] 戚海蓉著，張巖，袁漢青，朱佩浪等譯
出版社：	機械工業(yè)出版社
叢編項：	智能科學與技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111663799	出版時間：	2020-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	338	字數(shù)：

內(nèi)容簡介

　　計算機視覺的應用越來越廣泛，已經(jīng)成功的被應用到機器人、自動駕駛、醫(yī)學成像和診斷、監(jiān)控、視頻分析等領(lǐng)域，甚至已將跟蹤用于體育分析中。本書為讀者提供了重要的數(shù)學和算法工具，使他們能夠深入了解任何完整的計算機視覺系統(tǒng)的基本組成部分，并設(shè)計出同樣的系統(tǒng)。這些內(nèi)容包括識別局部特征，如在存在噪聲情況下角或邊的識別、邊緣保持下的平滑、連通成分的標記、立體視覺、閾值處理、聚類、分割，以及描述、匹配形狀和場景等。本書使用了各種廣泛的例子，包括面部圖片、卡通圖片、動物腳印和血管造影圖片等等。另外，本書每個章節(jié)后都留有對應作業(yè)和建議實驗的項目。本書可以作為高年級本科生和低年級研究生的參考用書，也可以作為從事計算機視覺技術(shù)研究的從業(yè)者和科技人員的參考用書。

作者簡介

　　韋斯利？？E.斯奈德（Wesley E. Snyder）北卡羅來納州立大學電氣與計算機工程榮譽教授。他曾是Bowman Gray醫(yī)學院的教授，曾在GE公司研究與發(fā)展中心、NASA Langley 研究中心和西德航空航天局（DLR）工作。他發(fā)表了179 篇研究論文，并于1993 年被北卡羅來納大學評為杰出工程教育家。他曾獲得IEEE Gladden 研究員（西澳大利亞大學）和美國醫(yī)學和生物醫(yī)學工程研究所研究員等稱號。戚海蓉（Hairong Qi）田納西州諾克斯維爾大學電子工程和計算機科學專業(yè)的岡薩雷斯家庭教授。她的研究方向包括協(xié)作信號信息處理、圖像處理、高光譜成像和生物信息學。她是NSF CAREER 獎的獲得者，在國際會議上獲得了多項最佳論文獎，并在2012 年獲得IEEE 地球科學和遙感學會頒發(fā)的*高影響力論文獎。譯者簡介：張巖南京大學計算機科學與技術(shù)系副教授。2006年于吉林大學獲得計算機博士學位。2008年于南京大學博士后流動站出站。研究方向包括基于三維幾何的計算機視覺、基于數(shù)據(jù)驅(qū)動的三維數(shù)據(jù)分析等。發(fā)表TOG、CVPR、C&G等多篇論文。曾獲得教育部科學技術(shù)進步獎二等獎。主持完成國家自然青年基金、江蘇省自然基金、江蘇省產(chǎn)學研聯(lián)合項目等多項項目。

圖書目錄

譯者序
前言
致老師
第一部分　導論
第1章　計算機視覺的定義及其歷史2
1.1　簡介2
1.2　定義2
1.3　局部全局問題3
1.4　生物視覺4
1.4.1　生物動因4
1.4.2　視覺感知6
參考文獻7
第2章　編寫圖像處理程序8
2.1　簡介8
2.2　圖像處理的基本程序結(jié)構(gòu)8
2.3　良好的編程風格9
2.4　計算機視覺的重點9
2.5　圖像分析軟件工具包10
2.6　makefile10
2.7　作業(yè)11
參考文獻11
第3章　數(shù)學原理回顧12
3.1　簡介12
3.2　線性代數(shù)簡要回顧12
3.2.1　向量12
3.2.2　向量空間14
3.2.3　零空間15
3.2.4　函數(shù)空間16
3.2.5　線性變換17
3.2.6　導數(shù)和導數(shù)算子19
3.2.7　特征值和特征向量20
3.2.8　特征分解21
3.2.9　奇異值分解21
3.3　函數(shù)最小化簡要回顧23
3.3.1　梯度下降23
3.3.2　局部最小值和全局最小值26
3.3.3　模擬退火27
3.4　概率論簡要回顧28
3.5　作業(yè)30
參考文獻31
第4章　圖像：表示和創(chuàng)建32
4.1　簡介32
4.2　圖像表示32
4.2.1　標志性表示（圖像）32
4.2.2　函數(shù)表示(方程)34
4.2.3　線性表示(向量)34
4.2.4　概率表示（隨機場）35
4.2.5　圖形表示（圖）35
4.2.6　鄰接悖論和六邊形像素36
4.3　作為曲面的圖像38
4.3.1　梯度38
4.3.2　等值線38
4.3.3　脊39
4.4　作業(yè)39
參考文獻40
第二部分　預處理
第5章　卷積核算子42
5.1　簡介42
5.2　線性算子42
5.3　圖像的向量表示44
5.4　導數(shù)估計45
5.4.1　使用核估計導數(shù)46
5.4.2　通過函數(shù)擬合來估計導數(shù)46
5.4.3　圖像基向量49
5.4.4　核作為采樣可微分函數(shù)50
5.4.5　其他高階導數(shù)53
5.4.6　尺度簡介54
5.5　邊緣檢測55
5.6　尺度空間58
5.6.1　金字塔58
5.6.2　沒有重采樣的尺度空間59
5.7　示例61
5.8　數(shù)字梯度檢測器的性能63
5.8.1　方向?qū)?shù)63
5.8.2　方向估計67
5.8.3　討論70
5.9　總結(jié)71
5.10　作業(yè)71
參考文獻76
第6章　去噪78
6.1　簡介78
6.2　圖像平滑78
6.2.1　一維情況79
6.2.2　二維情況79
6.3　使用雙邊濾波器實現(xiàn)保邊平滑82
6.4　使用擴散方程實現(xiàn)保邊平滑84
6.4.1　一維空間的擴散方程84
6.4.2　PDE模擬85
6.4.3　二維空間的擴散方程85
6.4.4　可變電導擴散86
6.5　使用優(yōu)化實現(xiàn)保邊平滑87
6.5.1　噪聲消除的目標函數(shù)87
6.5.2　尋找一個先驗項90
6.5.3　MAP算法實現(xiàn)和均場退火92
6.5.4　病態(tài)問題和正則化94
6.6　等效算法95
6.7　總結(jié)97
6.8　作業(yè)97
參考文獻99
第7章　數(shù)學形態(tài)學101
7.1　簡介101
7.2　二值形態(tài)學101
7.2.1　膨脹101
7.2.2　腐蝕106
7.2.3　膨脹和腐蝕的性質(zhì)107
7.2.4　開運算和閉運算108
7.2.5　開運算和閉運算的性質(zhì)109
7.3　灰度形態(tài)學109
7.3.1　使用平面結(jié)構(gòu)元素的灰度圖像110
7.3.2　使用灰度結(jié)構(gòu)元素的灰度圖像113
7.3.3　使用集合運算的灰度形態(tài)學114
7.4　距離變換114
7.4.1　使用迭代最近鄰計算DT115
7.4.2　使用二值形態(tài)運算計算DT115
7.4.3　使用掩碼計算DT115
7.4.4　使用維諾圖計算DT117
7.5　邊緣鏈接的應用117
7.6　總結(jié)120
7.7　作業(yè)121
參考文獻122
第三部分　圖像理解
第8章　分割124
8.1　簡介124
8.2　閾值：僅基于亮度的分割125
8.2.1　閾值的局部性質(zhì)125
8.2.2　通過直方圖分析選擇閾值126
8.2.3　用高斯和擬合直方圖129
8.2.4　高斯混合模型與期望最大化130
8.3　聚類：基于顏色相似度的分割132
8.3.1　k-均值聚類133
8.3.2　均值移位聚類135
8.4　連接組件：使用區(qū)域增長的空間分割136
8.4.1　遞歸方法136
8.4.2　迭代方法138
8.4.3　示例應用139
8.5　使用主動輪廓進行分割140
8.5.1　snake：離散和連續(xù)140
8.5.2　水平集：包含邊或者不包含邊144
8.6　分水嶺：基于亮度曲面的分割151
8.7　圖割：基于圖論的分割156
8.7.1　目標函數(shù)157
8.7.2　求解目標函數(shù)158
8.8　使用MFA進行分割159
8.9　評估分割的質(zhì)量160
8.10　總結(jié)161
8.11　作業(yè)162
參考文獻163
第9章　參數(shù)變換167
9.1　簡介167
9.2　霍夫變換168
9.2.1　垂線問題169
9.2.2　如何找到交點——累加器數(shù)組169
9.2.3　使用梯度降低計算復雜度170
9.3　尋找圓171
9.3.1　由任意三個非共線像素表示的圓的位置推導171
9.3.2　當原點未知但半徑已知時找圓172
9.3.3　利用梯度信息減少找圓的計算172
9.4　尋找橢圓172
9.5　廣義霍夫變換174
9.6　尋找峰值175
9.7　尋找三維形狀——高斯圖176
9.8　尋找對應體——立體視覺中的參數(shù)一致性177
9.9　總結(jié)179
9.10　作業(yè)179
參考文