掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
名家系列計算機視覺教程(微課版第3版21世紀高等學校計算機規劃教材)/名家系列 版權信息
- ISBN：9787115546197
- 條形碼：9787115546197 ; 978-7-115-54619-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
名家系列計算機視覺教程(微課版第3版21世紀高等學校計算機規劃教材)/名家系列 本書特色
（1）計算機視覺領域的權威理論教材，有極高的學術價值。（2）書稿內容思路清晰，表述極其嚴謹，作者對計算機視覺的理解非常深刻，繪制了計算機視覺與相關學科的關系圖譜，讓讀者對該領域的構架一目了然。（3）增加微課內容，通俗易懂地講解本書知識點。（4）我國圖像領域的奠基人之一。
名家系列計算機視覺教程(微課版第3版21世紀高等學校計算機規劃教材)/名家系列 內容簡介
本書系統地介紹了計算機視覺的基本原理、典型方法和實用技術，內容包括緒論、圖像采集、基元檢測、顯著性檢測、目標分割、目標表達和描述、紋理分析、形狀分析、立體視覺、三維景物恢復、運動分析、景物識別、廣義匹配、時空行為理解、場景解釋等。讀者可從中了解計算機視覺的基本原理和典型技術，并能據此解決計算機視覺應用中的一些具體問題。本書例題豐富多樣，每章均有小結和參考、思考題和練習題（本書為部分思考題和練習題提供了解答）。 本書可作為信息科學、計算機科學、計算機應用、信號與信息處理、通信與信息系統、電子與通信工程、模式識別與智能系統等學科大學本科或研究生的專業基礎課教材，也可作為遠程教育或繼續教育中計算機應用、電子技術等專業的研究生相關課程教材，還可供涉及計算機視覺技術應用行業（如工業自動化、人機交互、辦公自動化、視覺導航和機器人、安全監控、生物醫學、遙感測繪、智能交通和軍事公安等）的科技工作者自學及科研參考。
名家系列計算機視覺教程(微課版第3版21世紀高等學校計算機規劃教材)/名家系列 目錄
1、 緒論
1．1 計算機視覺 1
1．1．1 視覺概述 1
1．1．2 計算機視覺的目標 2
1．1．3 相關學科 2
1．1．4 應用領域 4
1．2 圖像基礎 4
1．2．1 圖像及類別 4
1．2．2 圖像表達和顯示 6
1．2．3 圖像存儲 7
1．3 像素間聯系 10
1．3．1 像素鄰域 10
1．3．2 像素間距離 11
1．4 本書內容提要 15
1．4．1 計算機視覺系統及模塊 15
1．4．2 如何學習使用本書 16
總結和復習 19
2、 圖像采集 21
2．1 采集裝置 21
2．2 采集模型 23
2．2．1 幾何成像模型 23
2．2．2 亮度成像模型 28
2．2．3 空間和幅度分辨率 31
2．3 采集方式 32
2．3．1 成像方式一覽 32
2．3．2 結構光法 33
2．4 攝像機標定 34
2．4．1 標定程序和步驟 34
2．4．2 兩級標定法 37
總結和復習 40
3、 基元檢測 42
3．1 邊緣檢測 42
3．1．1 檢測原理 42
3．1．2 一階導數算子 43
3．1．3 二階導數算子 47
3．1．4 邊界閉合 51
3．1．5 邊界細化 51
3．2 SUSAN算子 52
3．2．1 USAN原理 53
3．2．2 角點和邊緣檢測 53
3．3 哈里斯興趣點算子 56
3．4 哈夫變換 58
3．3．1 基本哈夫變換 58
3．3．2 廣義哈夫變換 61
3．3．3 完整廣義哈夫變換 63
3．5 橢圓定位和檢測 64
3．6 位置直方圖技術 66
總結和復習 68
4、 顯著性檢測 71
4．1 顯著性概述 71
4．2 基于對比度的檢測 74
4．2．1 對比度算法分類 74
4．2．2 基于對比度幅值 74
4．2．3 基于對比度分布 75
4．2．4 基于*小方向對比度 77
4．3 基于*穩定區域的檢測 79
4．3．1 區域顯著性 79
4．3．2 *穩定區域 80
4．3．3 顯著性計算 82
4．3．4 顯著性后處理 83
4．4 顯著目標區域提取及效果評價 84
4．4．1 顯著目標區域提取 84
4．4．2 顯著區域提取效果評價 85
總結和復習 89
5、 目標分割 91
5．1 輪廓搜索 91
5．1．1 圖搜索 91
5．1．2 動態規劃 93
5．2 主動輪廓模型 94
5．2．1 主動輪廓 94
5．2．2 能量函數 95
5．3 基本閾值技術 97
5．3．1 原理和分類 97
5．3．2 全局閾值的選取 98
5．3．3 局部閾值的選取 100
5．3．4 動態閾值的選取 103
5．4 特色閾值方法 103
5．4．1 多分辨率閾值 103
5．4．2 過渡區閾值 105
5．5 特征空間聚類 107
5．5．1 基本聚類方法 107
5．5．2 均移確定聚類中心 108
總結和復習 109
6、 目標表達和描述 111
6．1 基于邊界的表達 111
6．1．1 鏈碼 111
6．1．2 邊界段和凸包 113
6．1．3 邊界標記 114
6．2 基于區域的表達 117
6．2．1 四叉樹 117
6．2．2 金字塔 118
6．2．3 圍繞區域 119
6．2．4 骨架 119
6．3 基于邊界的描述 122
6．3．1 邊界長度和直徑 122
6．3．2 邊界形狀數 123
6．3．3 輪廓形狀矩陣 124
6．4 基于區域的描述 124
6．4．1 區域面積和密度 124
6．4．2 區域形狀數 125
6．4．3 區域不變矩 126
6．4．4 拓撲描述符 128
總結和復習 129
7、 紋理分析 131
7．1 統計描述方法 131
7．1．1 灰度共生矩陣 131
7．1．2 基于共生矩陣的描述 133
7．1．3 基于能量的描述 133
7．2 結構描述方法 135
7．2．1 結構描述原理 135
7．2．2 紋理鑲嵌 137
7．2．3 局部二值模式 138
7．3 頻譜描述方法 140
7．3．1 傅里葉頻譜描述 140
7．3．2 貝塞爾-傅里葉頻譜描述 141
7．3．3 蓋伯頻譜描述 142
7．4 紋理圖像分割 144
7．4．1 有監督紋理分割 144
7．4．2 無監督紋理分割 146
總結和復習 148
8、 形狀分析 150
8．1 形狀緊湊性描述符 150
8．2 形狀復雜性描述符 157
8．3 基于多邊形的形狀分析 159
8．3．1 多邊形計算 159
8．3．2 多邊形描述 160
8．4 基于曲率的形狀分析 162
8．4．1 輪廓曲率 162
8．4．2 曲面曲率 165
8．5 拓撲結構參數 166
總結和復習 167
9、 立體視覺 169
9．1 立體視覺模塊 169
9．2 雙目成像和視差 171
9．2．1 雙目橫向模式 171
9．2．2 雙目橫向會聚模式 173
9．2．3 雙目縱向模式 174
9．3 基于區域的立體匹配 175
9．3．1 模板匹配 175
9．3．2 雙目立體匹配 177
9．4 基于特征的立體匹配 183
9．4．1 點對點的方法 183
9．4．2 動態規劃匹配 185
總結和復習 186
10、三維景物恢復 189
10．1 由光移恢復表面朝向 189
10．1．1 表面反射特性 189
10．1．2 目標表面朝向 192
10．1．3 反射圖 193
10．1．4 光度立體學求解 195
10．2 從影調獲取形狀信息 196
10．2．1 影調與形狀 196
10．2．2 求解亮度方程 198
10．3 紋理變化與表面朝向 200
10．3．1 三種典型變化 200
10．3．2 確定線段的紋理消失點 203
10．4 根據焦距確定深度 206
總結和復習 207
11、運動分析 209
11．1 運動分類和表達 209
11．2 全局運動檢測 212
11．2．1 利用圖像差的檢測 213
11．2．2 基于模型的檢測 215
11．3 運動目標檢測和分割 217
11．3．1 背景建模 217
11．3．2 運動目標跟蹤 220
11．3．3 運動目標分割 224
11．4 運動光流和表面取向 225
11．4．1 光流約束方程 225
11．4．2 光流計算 225
11．4．3 光流與表面取向 229
總結和復習 232
12、景物識別 234
12．1 統計模式分類 234
12．1．1 模式分類原理 234
12．1．2 *小距離分類器 235
12．1．3 *優統計分類器 236
12．1．4 自適應自舉 239
12．2 感知機 240
12．2．1 感知機原理 240
12．2．2 線性可分類感知機 241
12．2．3 線性不可分類感知機 242
12．3 支持向量機 243
12．3．1 線性可分類支持向量機 243
12．3．2 線性不可分類支持向量機 245
12．4 結構模式識別 246
12．4．1 字符串結構識別 246
12．4．2 樹結構識別 249
總結和復習 251
13、廣義匹配 253
13．1 目標匹配 253
13．1．1 匹配的度量 254
13．1．2 字符串匹配 257
13．1．3 慣量等效橢圓匹配 258
13．1．4 形狀矩陣匹配 259
13．2 動態模式匹配 260
13．3 關系匹配 263
13．3．1 關系表達和距離 263
13．3．2 關系匹配模型 264
13．4 圖同構匹配 266
13．4．1 圖論基礎 266
13．4．2 圖同構和匹配 268
總結和復習 270
14、時空行為理解 272
14．1 時空技術 272
14．2 時空興趣點 273
14．3 動態軌跡學習和分析 275
14．3．1 自動場景建模 276
14．3．2 路徑學習 277
14．3．3 自動活動分析 279
14．4 動作分類和識別 280
14．4．1 動作分類 280
14．4．2 動作識別 281
14．5 活動和行為建模 285
14．5．1 動作建模 285
14．5．2 活動建模和識別 288
總結和復習 291
15、場景解釋 293
15．1 線條圖標記解釋 293
15．2 體育比賽視頻排序 296
15．2．1 基于內容檢索 296
15．2．2 視頻節目精彩度排序 298
15．3 計算機視覺系統模型 302
15．3．1 多層次串行結構 302
15．3．2 知識庫為中心的輻射結構 303
15．3．3 知識庫為根的樹結構 303
15．3．4 多模塊交叉配合結構 304
15．4 計算機視覺理論框架 305
15．4．1 馬爾視覺計算理論 305
15．4．2 對馬爾理論框架的改進 308
15．4．3 新理論框架的研究 309
總結和復習 311
部分練習題解答 313
參考文獻 318
索引 324
1．1 計算機視覺 1
1．1．1 視覺概述 1
1．1．2 計算機視覺的目標 2
1．1．3 相關學科 2
1．1．4 應用領域 4
1．2 圖像基礎 4
1．2．1 圖像及類別 4
1．2．2 圖像表達和顯示 6
1．2．3 圖像存儲 7
1．3 像素間聯系 10
1．3．1 像素鄰域 10
1．3．2 像素間距離 11
1．4 本書內容提要 15
1．4．1 計算機視覺系統及模塊 15
1．4．2 如何學習使用本書 16
總結和復習 19
2、 圖像采集 21
2．1 采集裝置 21
2．2 采集模型 23
2．2．1 幾何成像模型 23
2．2．2 亮度成像模型 28
2．2．3 空間和幅度分辨率 31
2．3 采集方式 32
2．3．1 成像方式一覽 32
2．3．2 結構光法 33
2．4 攝像機標定 34
2．4．1 標定程序和步驟 34
2．4．2 兩級標定法 37
總結和復習 40
3、 基元檢測 42
3．1 邊緣檢測 42
3．1．1 檢測原理 42
3．1．2 一階導數算子 43
3．1．3 二階導數算子 47
3．1．4 邊界閉合 51
3．1．5 邊界細化 51
3．2 SUSAN算子 52
3．2．1 USAN原理 53
3．2．2 角點和邊緣檢測 53
3．3 哈里斯興趣點算子 56
3．4 哈夫變換 58
3．3．1 基本哈夫變換 58
3．3．2 廣義哈夫變換 61
3．3．3 完整廣義哈夫變換 63
3．5 橢圓定位和檢測 64
3．6 位置直方圖技術 66
總結和復習 68
4、 顯著性檢測 71
4．1 顯著性概述 71
4．2 基于對比度的檢測 74
4．2．1 對比度算法分類 74
4．2．2 基于對比度幅值 74
4．2．3 基于對比度分布 75
4．2．4 基于*小方向對比度 77
4．3 基于*穩定區域的檢測 79
4．3．1 區域顯著性 79
4．3．2 *穩定區域 80
4．3．3 顯著性計算 82
4．3．4 顯著性后處理 83
4．4 顯著目標區域提取及效果評價 84
4．4．1 顯著目標區域提取 84
4．4．2 顯著區域提取效果評價 85
總結和復習 89
5、 目標分割 91
5．1 輪廓搜索 91
5．1．1 圖搜索 91
5．1．2 動態規劃 93
5．2 主動輪廓模型 94
5．2．1 主動輪廓 94
5．2．2 能量函數 95
5．3 基本閾值技術 97
5．3．1 原理和分類 97
5．3．2 全局閾值的選取 98
5．3．3 局部閾值的選取 100
5．3．4 動態閾值的選取 103
5．4 特色閾值方法 103
5．4．1 多分辨率閾值 103
5．4．2 過渡區閾值 105
5．5 特征空間聚類 107
5．5．1 基本聚類方法 107
5．5．2 均移確定聚類中心 108
總結和復習 109
6、 目標表達和描述 111
6．1 基于邊界的表達 111
6．1．1 鏈碼 111
6．1．2 邊界段和凸包 113
6．1．3 邊界標記 114
6．2 基于區域的表達 117
6．2．1 四叉樹 117
6．2．2 金字塔 118
6．2．3 圍繞區域 119
6．2．4 骨架 119
6．3 基于邊界的描述 122
6．3．1 邊界長度和直徑 122
6．3．2 邊界形狀數 123
6．3．3 輪廓形狀矩陣 124
6．4 基于區域的描述 124
6．4．1 區域面積和密度 124
6．4．2 區域形狀數 125
6．4．3 區域不變矩 126
6．4．4 拓撲描述符 128
總結和復習 129
7、 紋理分析 131
7．1 統計描述方法 131
7．1．1 灰度共生矩陣 131
7．1．2 基于共生矩陣的描述 133
7．1．3 基于能量的描述 133
7．2 結構描述方法 135
7．2．1 結構描述原理 135
7．2．2 紋理鑲嵌 137
7．2．3 局部二值模式 138
7．3 頻譜描述方法 140
7．3．1 傅里葉頻譜描述 140
7．3．2 貝塞爾-傅里葉頻譜描述 141
7．3．3 蓋伯頻譜描述 142
7．4 紋理圖像分割 144
7．4．1 有監督紋理分割 144
7．4．2 無監督紋理分割 146
總結和復習 148
8、 形狀分析 150
8．1 形狀緊湊性描述符 150
8．2 形狀復雜性描述符 157
8．3 基于多邊形的形狀分析 159
8．3．1 多邊形計算 159
8．3．2 多邊形描述 160
8．4 基于曲率的形狀分析 162
8．4．1 輪廓曲率 162
8．4．2 曲面曲率 165
8．5 拓撲結構參數 166
總結和復習 167
9、 立體視覺 169
9．1 立體視覺模塊 169
9．2 雙目成像和視差 171
9．2．1 雙目橫向模式 171
9．2．2 雙目橫向會聚模式 173
9．2．3 雙目縱向模式 174
9．3 基于區域的立體匹配 175
9．3．1 模板匹配 175
9．3．2 雙目立體匹配 177
9．4 基于特征的立體匹配 183
9．4．1 點對點的方法 183
9．4．2 動態規劃匹配 185
總結和復習 186
10、三維景物恢復 189
10．1 由光移恢復表面朝向 189
10．1．1 表面反射特性 189
10．1．2 目標表面朝向 192
10．1．3 反射圖 193
10．1．4 光度立體學求解 195
10．2 從影調獲取形狀信息 196
10．2．1 影調與形狀 196
10．2．2 求解亮度方程 198
10．3 紋理變化與表面朝向 200
10．3．1 三種典型變化 200
10．3．2 確定線段的紋理消失點 203
10．4 根據焦距確定深度 206
總結和復習 207
11、運動分析 209
11．1 運動分類和表達 209
11．2 全局運動檢測 212
11．2．1 利用圖像差的檢測 213
11．2．2 基于模型的檢測 215
11．3 運動目標檢測和分割 217
11．3．1 背景建模 217
11．3．2 運動目標跟蹤 220
11．3．3 運動目標分割 224
11．4 運動光流和表面取向 225
11．4．1 光流約束方程 225
11．4．2 光流計算 225
11．4．3 光流與表面取向 229
總結和復習 232
12、景物識別 234
12．1 統計模式分類 234
12．1．1 模式分類原理 234
12．1．2 *小距離分類器 235
12．1．3 *優統計分類器 236
12．1．4 自適應自舉 239
12．2 感知機 240
12．2．1 感知機原理 240
12．2．2 線性可分類感知機 241
12．2．3 線性不可分類感知機 242
12．3 支持向量機 243
12．3．1 線性可分類支持向量機 243
12．3．2 線性不可分類支持向量機 245
12．4 結構模式識別 246
12．4．1 字符串結構識別 246
12．4．2 樹結構識別 249
總結和復習 251
13、廣義匹配 253
13．1 目標匹配 253
13．1．1 匹配的度量 254
13．1．2 字符串匹配 257
13．1．3 慣量等效橢圓匹配 258
13．1．4 形狀矩陣匹配 259
13．2 動態模式匹配 260
13．3 關系匹配 263
13．3．1 關系表達和距離 263
13．3．2 關系匹配模型 264
13．4 圖同構匹配 266
13．4．1 圖論基礎 266
13．4．2 圖同構和匹配 268
總結和復習 270
14、時空行為理解 272
14．1 時空技術 272
14．2 時空興趣點 273
14．3 動態軌跡學習和分析 275
14．3．1 自動場景建模 276
14．3．2 路徑學習 277
14．3．3 自動活動分析 279
14．4 動作分類和識別 280
14．4．1 動作分類 280
14．4．2 動作識別 281
14．5 活動和行為建模 285
14．5．1 動作建模 285
14．5．2 活動建模和識別 288
總結和復習 291
15、場景解釋 293
15．1 線條圖標記解釋 293
15．2 體育比賽視頻排序 296
15．2．1 基于內容檢索 296
15．2．2 視頻節目精彩度排序 298
15．3 計算機視覺系統模型 302
15．3．1 多層次串行結構 302
15．3．2 知識庫為中心的輻射結構 303
15．3．3 知識庫為根的樹結構 303
15．3．4 多模塊交叉配合結構 304
15．4 計算機視覺理論框架 305
15．4．1 馬爾視覺計算理論 305
15．4．2 對馬爾理論框架的改進 308
15．4．3 新理論框架的研究 309
總結和復習 311
部分練習題解答 313
參考文獻 318
索引 324
展開全部
名家系列計算機視覺教程(微課版第3版21世紀高等學校計算機規劃教材)/名家系列 作者簡介
章毓晉，1989年獲比利時列日大學應用科學博士學位。1989年至1993年先后為荷蘭德爾夫特大學博士后及研究人員。1993年到清華大學工作，1997年起被聘為教授，1998年起被聘為博士生導師，2014年起被聘為教學科研系列的“長聘教授”。已在國內外發表了500多篇圖像工程研究論文，出版了40多本教材和專著。曾任第24屆國際圖像處理會議（ICIP?2017）等20多個國內外學術會議的程序委員會主席。現為中國圖象圖形學學會副理事長；國際光學工程協會（SPIE）會士（因在圖像工程方面的成就）。
書友推薦
- >
巴金－再思錄
- >
伯納黛特,你要去哪(2021新版)
- >
中國歷史的瞬間
- >
羅庸西南聯大授課錄
- >
詩經-先民的歌唱
- >
煙與鏡
- >
莉莉和章魚
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
