机器视觉教程PDF电子书下载

译者序 1

致教师 1

第1章 引言 1

1.1 本书宗旨 1

1.2 读者需具备的预备知识 1

目录 1

1.3 一些术语 2

1.3.1 图像处理 2

1.4 机器视觉系统的组成 3

1.3.2 机器视觉 3

1.5 图像的性质 4

1.6 图像的操作分析 4

参考文献 5

第2章 数学原理回顾 7

2.1 概率论简单回顾 7

2.2 线性代数简单回顾 8

2.2.1 线性变换 10

2.2.2 求导运算 11

2.3 函数最小化简介 12

2.2.3 特征值与特征向量 12

2.3.1 牛顿-拉弗森方法 14

2.3.2 局部最小与全局最小 15

2.3.3 模拟退火 15

2.4 马尔科夫模型 16

2.4.1 隐马尔科夫模型 17

2.4.2 维特比算法 18

2.4.3 马尔科夫输出 19

2.4.4 估计模型参数 20

2.4.5 隐马尔科夫模型的应用 20

参考文献 21

第3章 编写图像处理程序 23

3.1 图像文件系统软件 23

3.1.1 IFS头部结构 23

3.1.2 某些有用的IFS函数 24

3.1.3 带共性的问题 24

3.2 图像处理程序的基本结构 24

3.3 好的编程风格 25

3.4 示例程序 25

3.5 生成文件 27

4.1.1 图像表示 29

第4章 图像的生成与表示方式 29

4.1 图像的表示方法 29

4.1.2 函数表示 30

4.1.3 线性表达式 30

4.1.4 概率表示 30

4.1.5 空域频率表示 30

4.1.6 关系表示方法（图表示法） 32

4.2 数字图像 32

4.2.1 数字图像的生成 32

4.2.2 距离图像的生成 35

4.3 图像生成机制 37

4.4 将图像看作表面 38

4.4.1 等亮度线 38

4.4.2 脊 38

4.4.3 二值图像与中轴 39

4.5 邻域关系 39

4.6 结论 41

4.7 术语 41

4A.1 采样的变种：六角形像素 42

专题4A 图像表示方法 42

4A.2 其他形式的图像表示 44

参考文献 46

第5章 线性算子与核算子 49

5.1 什么是线性算子 49

5.2 核算子在数字图像中的应用 49

5.2.1 自变量的方向：卷积和相关 50

5.2.2 用核算子估计导数 50

5.3 通过函数拟合估计导数 51

5.4 图像的矢量表示 55

5.5 图像的基向量 56

5.6 边缘检测 57

5.7 用核算子表示可微函数的采样 59

5.8 计算卷积 62

5.9 尺度空间 64

5.9.1 四叉树 64

5.9.2 高斯尺度结构 65

5.10 量化边缘检测算子的精确性 67

5.11 人们的做法 67

5.13 术语 69

5.12 结论 69

专题5A 边缘检测器 72

5A.1 Canny边缘检测器 72

5A.2 改进边缘检测 73

5A.3 从边缘点推理线段 73

5A.4 空域频率表示 74

5A.5 术语 75

参考文献 77

6.2 复原 81

6.1 松弛 81

第6章 图像松弛：复原与特征抽取 81

6.3 最大后验方法 84

6.3.1 贝叶斯准则 84

6.3.2 题外话：逆问题中的问题 86

6.3.3 用于边缘保留型平滑的目标函数 86

6.4 均值场退火 87

6.4.1 选择先验项 89

6.4.2 退火：避免局部最小值 91

6.4.3 如何对一个含有核算子的函数求导 92

6.4.4 实际考虑：边缘保留型的平滑 94

6.5 结论 95

6.6 术语 95

专题6A 替代算法与等价算法 97

6A.1 GNC：一种可去除噪声的替代算法 97

6A.2 传导率可变的扩散 99

6A.3 面向边缘的各向异性扩散 100

6A.4 对图像松弛算子的一个通用描述 100

6A.5 与神经元网络之间的关系 103

6A.6 结论 104

参考文献 105

第7章 数学形态学 111

7.1 二值形态学 111

7.1.1 膨胀 111

7.1.2 腐蚀 113

7.1.3 膨胀与腐蚀的性质 113

7.1.4 开运算与闭运算 115

7.1.5 开运算与闭运算的性质 116

7.2 灰度形态学 117

7.3.1 采用掩膜计算距离变换 118

7.3 距离变换 118

7.3.2 Voronoi图 119

7.4 结论 119

7.5 术语 119

专题7A 形态学 121

7A.1 有效地计算腐蚀、膨胀 121

7A.2 形态学采样定理 124

7A.3 选择结构元素 126

7A.4 边缘及曲面上的缝隙弥合 126

参考文献 136

7A.5 术语 136

第8章 分割 139

8.1 划分图像 139

8.2 阈值化分割 140

8.3 连通分量分析 142

8.3.1 递归式区域增长算法 143

8.3.2 迭代式连通分量分析方法 145

8.3.3 标号图像的一种替代方法 149

8.4 曲线分割 149

8.5.1 能量最小化原则 150

8.5 主动轮廓线 150

8.5.2 偏微分方程方法 151

8.6 曲面分割 153

8.6.1 曲面描述 153

8.6.2 椭圆及椭球拟合 154

8.7 评估分割质量 155

8.8 结论 156

8.9 术语 156

专题8A 分割 157

8A.1 纹理分割 157

8A.2 使用边缘的图像分割 159

8A.3 运动分割 160

8A.4 颜色分割 160

8A.5 使用MAP方法的分割 160

8A.6 人如何完成分割 160

参考文献 160

第9章 形状 167

9.1 线性变换 167

9.2 基于协方差矩阵的变换方法 169

9.2.1 K-L展开的推导 169

9.2.2 K-L展开的性质 172

9.3 简单特征 173

9.4 矩 176

9.5 链码 177

9.6 傅里叶描述子 178

9.7 中轴 178

9.8 变形模板 179

9.9 二次曲面 180

9.11 超二次曲面 181

9.10 表面的谐波函数表示 181

9.12 广义柱体 183

9.13 结论 183

9.14 术语 183

专题9A 形状的描述 184

9A.1 求非凸区域的直径 184

9A.2 从图像推测三维形状 186

9A.3 运动分析与跟踪 192

9A.4 术语 194

参考文献 197

10.1 一致性 205

第10章 一致性标号 205

10.2 松弛法标号 208

10.2.1 利用一致性来修正标号 208

10.2.2 标号问题示例 209

10.3 结论 210

10.4 术语 211

专题10A 二维线条图的三维解释 211

参考文献 213

11.1 Hough变换 215

第11章 参数变换 215

11.1.1 垂直线带来的问题 216

11.1.2 如何找到交点——累加器数组 217

11.2 减少计算复杂度 218

11.3 检测圆 218

11.3.1 用非共线三个像素表示一个圆的定位 218

11.3.2 用参数变换检测圆 219

11.3.3 检测圆中利用梯度信息降低计算量 219

11.4 广义Hough变换 220

11.5 结论 220

11A.1 检测抛物线 221

11.6 术语 221

专题11A 参数变换 221

11A.2 检测峰值 223

11A.3 高斯图 223

11A.4 立体视觉中的参数一致性 223

11A.5 结论 224

11A.6 术语 224

参考文献 225

12.2 图的性质 227

12.1 图 227

第12章 图和图论概念 227

12.3 图结构的实现 228

12.4 区域邻接图 228

12.5 图匹配的应用：子图同构问题 230

12.6 外观图 230

12.7 结论 231

12.8 术语 231

参考文献 232

13.1.1 模板匹配 233

13.1 图像表达的匹配 233

第13章 图像匹配 233

13.1.2 点匹配 234

13.1.3 线段匹配 234

13.1.4 特征图像 235

13.2 匹配简单特征 237

13.3 图匹配 238

13.3.1 关联图 238

13.3.2 弹性模板 240

13.5 术语 241

13.4 结论 241

专题13A 匹配 243

13A.1 弹簧加模板回顾 243

13A.2 人工神经元网络用于物体识别 244

13A.3 图像索引 247

13A.4 匹配几何不变量 248

13A.5 结论 250

13A.6 术语 251

参考文献 251

14.1 分类器设计 255

14.1.1 决策规则的选择 255

第14章 统计模式识别 255

14.1.2 最大似然分类器 256

14.1.3 分类器学习算法 256

14.2 贝叶斯规则和最大似然分类器 257

14.2.1 贝叶斯规则 257

14.2.2 参数模式分类器 258

14.2.3 概率密度估计 259

14.2.5 方差估计 260

14.2.4 均值估计 260

14.2.6 似然比 261

14.3 决策区间和错误概率 262

14.4 条件风险 263

14.5 二次函数分类器 265

14.6 最小最大规则 267

14.7 最近邻方法 267

14.8 结论 268

14.9 术语 269

14A.1 用统计方法匹配特征向量 270

专题14A 统计模式识别 270

14A.2 支持向量机 272

14A.3 结论 275

14A.4 术语 276

参考文献 276

第15章 聚类 279

15.1 聚类之间的距离 279

15.2 聚类算法 281

15.2.1 合并聚类 281

15.2.2 k均值聚类 283

15.3 最优化聚类方法 284

15.3.1 分支定界法 285

15.3.2 向量量化 285

15.3.3 赢者全得算法 285

15.4 结论 286

15.5 术语 286

参考文献 288

第16章 句法模式识别 289

16.1 术语 289

16.2.1 0型文法 290

16.2.2 1型文法 290

16.2 文法类型 290

16.2.3 2型文法 291

16.2.4 3型文法 291

16.3 用文法结构进行形状识别 291

16.3.1 3型文法 291

16.3.2 2型方法 294

16.4 结论 296

16.5 术语 296

参考文献 297

17.2 光学字符识别 299

17.3 自动诊断和辅助诊断 299

第17章 应用 299

17.1 多谱图像分析 299

17.4 检测和质量控制 300

17.5 安全检测和入侵者识别 300

17.6 机器人视觉 300

17.6.1 机器人外科手术 301

17.6.2 机器人驾驶 301

参考文献 302

18.1 层次体系 307

第18章 自动目标识别 307

18.2 系统组成 308

18.3 算法的性能评价 309

18.3.1 性能表示 310

18.3.2 从训练数据生成ROC曲线 311

18.3.3 性能和系统评价 312

18.4 特有的机器视觉问题 312

18.4.1 目标信号可变性和误警率 312

18.4.2 跟踪 313

18.5 自动目标识别算法 314

18.4.4 特征选择 314

18.4.3 分割 314

18.5.1 基于模型的技术 316

18.5.2 基于统计的技术 317

18.5.3 模板匹配 317

18.6 Hough变换 318

18.7 形态学技术 318

18.8 链码 319

18.9 结论 319

参考文献 320

索引 327