計(jì)算機(jī)視覺(jué)基礎(chǔ)

定　價(jià)：￥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(jī)械工業(yè)出版社
叢編項(xiàng)：	智能科學(xué)與技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787111663799	出版時(shí)間：	2020-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	338	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　計(jì)算機(jī)視覺(jué)的應(yīng)用越來(lái)越廣泛，已經(jīng)成功的被應(yīng)用到機(jī)器人、自動(dòng)駕駛、醫(yī)學(xué)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(shū)為讀者提供了重要的數(shù)學(xué)和算法工具，使他們能夠深入了解任何完整的計(jì)算機(jī)視覺(jué)系統(tǒng)的基本組成部分，并設(shè)計(jì)出同樣的系統(tǒng)。這些內(nèi)容包括識(shí)別局部特征，如在存在噪聲情況下角或邊的識(shí)別、邊緣保持下的平滑、連通成分的標(biāo)記、立體視覺(jué)、閾值處理、聚類、分割，以及描述、匹配形狀和場(chǎng)景等。本書(shū)使用了各種廣泛的例子，包括面部圖片、卡通圖片、動(dòng)物腳印和血管造影圖片等等。另外，本書(shū)每個(gè)章節(jié)后都留有對(duì)應(yīng)作業(yè)和建議實(shí)驗(yàn)的項(xiàng)目。本書(shū)可以作為高年級(jí)本科生和低年級(jí)研究生的參考用書(shū)，也可以作為從事計(jì)算機(jī)視覺(jué)技術(shù)研究的從業(yè)者和科技人員的參考用書(shū)。

作者簡(jiǎn)介

　　韋斯利？？E.斯奈德（Wesley E. Snyder）北卡羅來(lái)納州立大學(xué)電氣與計(jì)算機(jī)工程榮譽(yù)教授。他曾是Bowman Gray醫(yī)學(xué)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(lái)納大學(xué)評(píng)為杰出工程教育家。他曾獲得IEEE Gladden 研究員（西澳大利亞大學(xué)）和美國(guó)醫(yī)學(xué)和生物醫(yī)學(xué)工程研究所研究員等稱號(hào)。戚海蓉（Hairong Qi）田納西州諾克斯維爾大學(xué)電子工程和計(jì)算機(jī)科學(xué)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(hào)信息處理、圖像處理、高光譜成像和生物信息學(xué)。她是NSF CAREER 獎(jiǎng)的獲得者，在國(guó)際會(huì)議上獲得了多項(xiàng)最佳論文獎(jiǎng)，并在2012 年獲得IEEE 地球科學(xué)和遙感學(xué)會(huì)頒發(fā)的*高影響力論文獎(jiǎng)。譯者簡(jiǎn)介：張巖南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系副教授。2006年于吉林大學(xué)獲得計(jì)算機(jī)博士學(xué)位。2008年于南京大學(xué)博士后流動(dòng)站出站。研究方向包括基于三維幾何的計(jì)算機(jī)視覺(jué)、基于數(shù)據(jù)驅(qū)動(dòng)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(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)。主持完成國(guó)家自然青年基金、江蘇省自然基金、江蘇省產(chǎn)學(xué)研聯(lián)合項(xiàng)目等多項(xiàng)項(xiàng)目。

圖書(shū)目錄

譯者序
前言
致老師
第一部分　導(dǎo)論
第1章　計(jì)算機(jī)視覺(jué)的定義及其歷史2
1.1　簡(jiǎn)介2
1.2　定義2
1.3　局部全局問(wèn)題3
1.4　生物視覺(jué)4
1.4.1　生物動(dòng)因4
1.4.2　視覺(jué)感知6
參考文獻(xiàn)7
第2章　編寫圖像處理程序8
2.1　簡(jiǎn)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(fēng)格9
2.4　計(jì)算機(jī)視覺(jué)的重點(diǎn)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(xiàn)11
第3章　數(shù)學(xué)原理回顧12
3.1　簡(jiǎn)介12
3.2　線性代數(shù)簡(jiǎn)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(dǎo)數(shù)和導(dǎo)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(jiǎn)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(jiǎn)要回顧28
3.5　作業(yè)30
參考文獻(xiàn)31
第4章　圖像：表示和創(chuàng)建32
4.1　簡(jiǎn)介32
4.2　圖像表示32
4.2.1　標(biāo)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(jī)場(chǎng)）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(xiàn)40
第二部分　預(yù)處理
第5章　卷積核算子42
5.1　簡(jiǎn)介42
5.2　線性算子42
5.3　圖像的向量表示44
5.4　導(dǎo)數(shù)估計(jì)45
5.4.1　使用核估計(jì)導(dǎo)數(shù)46
5.4.2　通過(guò)函數(shù)擬合來(lái)估計(jì)導(dǎo)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(dǎo)數(shù)53
5.4.6　尺度簡(jiǎn)介54
5.5　邊緣檢測(cè)55
5.6　尺度空間58
5.6.1　金字塔58
5.6.2　沒(méi)有重采樣的尺度空間59
5.7　示例61
5.8　數(shù)字梯度檢測(cè)器的性能63
5.8.1　方向?qū)?shù)63
5.8.2　方向估計(jì)67
5.8.3　討論70
5.9　總結(jié)71
5.10　作業(yè)71
參考文獻(xiàn)76
第6章　去噪78
6.1　簡(jiǎn)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(shí)現(xiàn)保邊平滑82
6.4　使用擴(kuò)散方程實(shí)現(xiàn)保邊平滑84
6.4.1　一維空間的擴(kuò)散方程84
6.4.2　PDE模擬85
6.4.3　二維空間的擴(kuò)散方程85
6.4.4　可變電導(dǎo)擴(kuò)散86
6.5　使用優(yōu)化實(shí)現(xiàn)保邊平滑87
6.5.1　噪聲消除的目標(biāo)函數(shù)87
6.5.2　尋找一個(gè)先驗(yàn)項(xiàng)90
6.5.3　MAP算法實(shí)現(xiàn)和均場(chǎng)退火92
6.5.4　病態(tài)問(wèn)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(xiàn)99
第7章　數(shù)學(xué)形態(tài)學(xué)101
7.1　簡(jiǎn)介101
7.2　二值形態(tài)學(xué)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(kāi)運(yùn)算和閉運(yùn)算108
7.2.5　開(kāi)運(yùn)算和閉運(yùn)算的性質(zhì)109
7.3　灰度形態(tài)學(xué)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(yùn)算的灰度形態(tài)學(xué)114
7.4　距離變換114
7.4.1　使用迭代最近鄰計(jì)算DT115
7.4.2　使用二值形態(tài)運(yùn)算計(jì)算DT115
7.4.3　使用掩碼計(jì)算DT115
7.4.4　使用維諾圖計(jì)算DT117
7.5　邊緣鏈接的應(yīng)用117
7.6　總結(jié)120
7.7　作業(yè)121
參考文獻(xiàn)122
第三部分　圖像理解
第8章　分割124
8.1　簡(jiǎn)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(guò)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(zhǎng)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(yīng)用139
8.5　使用主動(dòng)輪廓進(jìn)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(biāo)函數(shù)157
8.7.2　求解目標(biāo)函數(shù)158
8.8　使用MFA進(jìn)行分割159
8.9　評(píng)估分割的質(zhì)量160
8.10　總結(jié)161
8.11　作業(yè)162
參考文獻(xiàn)163
第9章　參數(shù)變換167
9.1　簡(jiǎn)介167
9.2　霍夫變換168
9.2.1　垂線問(wèn)題169
9.2.2　如何找到交點(diǎn)——累加器數(shù)組169
9.2.3　使用梯度降低計(jì)算復(fù)雜度170
9.3　尋找圓171
9.3.1　由任意三個(gè)非共線像素表示的圓的位置推導(dǎo)171
9.3.2　當(dāng)原點(diǎn)未知但半徑已知時(shí)找圓172
9.3.3　利用梯度信息減少找圓的計(jì)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(duì)應(yīng)體——立體視覺(jué)中的參數(shù)一致性177
9.9　總結(jié)179
9.10　作業(yè)179
參考文