電腦視覺--一種現代方法, 2/e 国外计算机科学教材系列·计算机视觉:一种现代方法(第二版)

福賽斯 (David A.Forsyth), 泊斯 (Jean Ponce)

立即出貨

買這商品的人也買了...

相關活動主題

20181206 %e7%b0%a1%e9%ab%94%e6%9b%b8 s
20181213 slam bn tl s

商品描述

電腦視覺是研究如何使人工系統從圖像或多維數據中“感知”的科學。本書是電腦視覺領域的經典教材,內容涉及攝像機的幾何模型、光照及陰影、顏色、線性濾波、局部圖像特徵、紋理、立體視覺、運動結構、聚類分割、分組與模型擬合、跟蹤、配準、平滑錶面及其輪廓、深度數據、圖像分類、物體檢測與識別、基於圖像的建模與渲染、人形研究、圖像搜索與檢索、優化技術等。與前一版相比,本書簡化了部分主題,增加了應用示例,重寫了關於現代特徵的內容,詳述了現代圖像編輯技術與物體識別技術。

作者簡介

作者:(美)David A. Forsyth(DA福賽斯),(美)Jean Ponce(J.泊斯)譯者:高永強等

David Forsyth:1984年於威特沃特斯蘭德大學取得電氣工程學士學位,1986年取得電氣工程碩士學位,1989年於牛津貝列爾學院取得博士學位。之後在艾奧瓦大學任教3年,並在加州大學伯克利分校任教10年,之後在伊利諾斯大學任教。2000年和2001年任IEEE計算機視覺和模式識別會議執行副主席,2006年任CVPR常任副主席,2008年任歐洲計算機視覺會議執行副主席,是所有關於計算機視覺主要國際會議的常任執委會成員。他為SIGGRAPH執委會工作了5期。2006年獲IEEE技術成就獎,2009年成為IEEE會士。

高永強,中國科學院深圳先進技術研究院集成所多媒體研究中心的博士,研究方向是數字圖像處理,參與機器人ROS系統的關於視覺應用的項目,並整理總結了關於openCV應用的很多文章,研究方向是計算機視覺、模式識別和機器學習。

目錄大綱

第一部分圖像生成
第1章攝像機的幾何模型
1.1圖像成像
1.1.1針孔透視
1.1.2弱透視
1.1.3帶鏡頭的照相機
1.1.4人的眼睛
1.2內參數和外參數
1.2.1剛體變換和齊次坐標
1.2.2內參數
1.2.3外參數
1.2.4透視投影矩陣
1.2.5弱透視投影矩陣
1.3照相機的幾何標定
1.3.1使用線性方法對照相機進行標定
1.3.2使用非線性方法對照相機進行標定
1.4註釋
習題
編程練習

第2章光照及陰影
2.1像素的亮度
2.1.1表面反射
2.1.2光源及其產生的效果
2.1.3朗伯+鏡面反射模型
2.1.4面光源
2.2陰影的估算
2.2 .1輻射校準和高動態範圍圖像
2.2.2鏡面反射模型
2.2.3對亮度和照度的推理
2.2.4光度立體技術:從多幅陰影圖像恢復形狀
2.3對互反射進行建模
2.3.1源於區域光在一個塊上的照度
2.3.2熱輻射和存在性
2.3.3互反射模型
2.3.4互反射的定性性質
2.4一個陰影圖像的形狀
2.5註釋
習題
編程練習

第3章顏色
3.1人類顏色感知
3.1.1顏色匹配
3.1.2顏色感受體
3.2顏色物理學
3.2.1顏色的來源
3.2. 2表面顏色
3.3顏色表示
3.3.1線性顏色空間
3.3.2非線性顏色空間
3.4圖像顏色的模型
3.4.1漫反射項
3.4.2鏡面反射項
3.5基於顏色的推論
3.5.1用顏色發現鏡面反射
3.5 .2用顏色去除陰影
3.5.3顏色恆常性:從圖像顏色獲得表面顏色
3.6註釋
習題
編程練習

第二部分早期視覺:使用一幅圖像
第4章線性濾波
4.1線性濾波與卷積
4.1.1卷積
4.2移不變線性系統
4.2.1離散卷積
4.2.2連續卷積
4.2.3離散卷積的邊緣效應
4.3空間頻率和傅里葉變換
4.3.1傅里葉變換
4.4採樣和混疊
4.4.1採樣
4.4.2混疊
4.4.3平滑和重採樣
4.5濾波器與模板
4.5.1卷積與點積
4.5.2基的改變
4.6技術:歸一化相關和檢測模式
4.6.1通過歸一化相關檢測手勢的方法來控制電視機
4.7技術:尺度和圖像金字塔
4.7.1高斯金字塔
4.7.2多尺度表示的應用
4.8註釋
習題
編程練習

第5章局部圖像特徵
5.1計算圖像梯度
5.1.1差分高斯濾波
5.2對圖像梯度的表徵
5.2 .1基於梯度的邊緣檢測子
5.2.2方向
5.3查找角點和建立近鄰
5.3.1查找角點
5.3.2採用尺度和方向構建近鄰
5.4通過SIFT特徵和HOG特徵描述近鄰
5.4.1SIFT特徵
5.4.2HOG特徵
5.5實際計算局部特徵
5.6註釋
習題
編程練習

第6章紋理
6.1利用濾波器進行局部紋理表徵
6.1.1斑點和條紋
6.1.2從濾波器輸出到紋理表徵
6.1.3實際局部紋理表徵
6.2通過紋理基元的池化紋理表徵
6.2.1向量量化和紋理基元
6.2.2k均值聚類的向量量化
6.3紋理合成和對圖像中的空洞進行填充
6.3.1通過局部模型採樣進行合成
6.3.2填充圖像中的空洞
6.4圖像去噪
6.4.1非局部均值
6.4.2三維塊匹配(BM3D)
6.4.3稀疏編碼學習
6.4.4結果
6.5由紋理恢復形狀
6.5.1在平面內由紋理恢復形狀
6.5.2從彎曲表面的紋理恢復形狀
6.6註釋
習題
編程練習

第三部分低層視覺:使用多幅圖像
第7章立體視覺
7.1雙目攝像機的幾何屬性和對極約束
7.1.1對極幾何
7.1.2本徵矩陣
7.1.3基礎矩陣
7.2雙目重構
7.2.1圖像矯正
7.3人類立體視覺
7.4雙目融合的局部算法
7.4.1相關
7.4.2多尺度的邊緣匹配
7.5雙目融合的全局算法
7.5.1排序約束和動態規劃
7.5.2平滑約束和基於圖的組合優化
7.6使用多台攝像機
7.7應用:機器人導航
7.8註釋
習題
編程練習

第8章從運動中恢復三維結構
8.1內部標定的透視攝像機
8.1.1問題的自然歧義性
8.1.2從兩幅圖像估計歐氏結構和運動
8.1.3從多幅圖像估計歐氏結構和運動
8.2非標定的弱透視攝像機
8.2.1問題的自然歧義性
8.2.2從兩幅圖像恢復仿射結構和運動
8.2.3從多幅圖像恢復仿射結構和運動
8.2.4從仿射到歐氏圖像
8.3非標定的透視攝像機
8.3.1問題的自然歧義性
8.3.2從兩幅圖像恢復投影結構和運動
8.3.3從多幅圖像恢復投影結構和運動
8.3.4從投影到歐氏圖像
8.4註釋
習題
編程練習…… 


第四部分中層視覺方法
第9章基於聚類的分割方法
第10章分組與模型擬合
第11章跟踪

第五部分高層視覺
第12章配準
第13章平滑的表面及其輪廓
第14章深度數據
第15章用於分類的學習
第16章圖像分類
第17章檢測圖像中的物體
第18章物體識別

第六部分應用與其他主題
第19章基於圖像的建模與渲染
第20章對人的觀察
第21章圖像搜索與檢索

第七部分背景 料
第22章優化技術