图象工程 下 图象理解与计算机视觉PDF电子书下载

A.2 统计模式识别 21 1

2.2.1视觉过程 1 1

目录 1

1.1 图象工程概述 1

第1章绪论 1

1.2 图象理解与计算机视觉 3

1.2.1 图象理解 3

1.2.2计算机视觉 4

1.2.3 图象理解与计算机视觉的关系 4

1.2.4和图象理解与计算机视觉相关的其它学科 5

1.2.5 图象理解与计算机视觉的应用领域 6

1.3 本书的安排和概要 6

1.3.1整体安排 6

1.3.2各章概要 7

练习题 9

2.1 概述和分类 10

第2章视感觉和视知觉 10

2.2 视觉过程与特性 11

2.2.2视觉的时间特性 11

2.2.3视觉的空间特性 12

2.3 形状知觉 13

2.3.1轮廓 13

2.3.2图形和背景 15

2.3.3 几何图形视错觉 18

6.3 从运动求取结构 1 19

2.4.1非视觉性深度线索 20

2.4 空间知觉 20

2.4.2双眼深度线索 21

2.4.3单眼深度线索 22

练习题 24

第3章立体成象 25

3.1 概述和分类 25

3.2 图象采集装置 26

3.2.1采集装置的性能指标 26

3.2.2灰度图采集和CCD 26

摄象器件 26

3.2.3深度图采集和结构光 27

测距装置 27

3.3 成象变换和摄象机模型 29

3.3.1世界坐标与摄象机坐标重合时的摄象机模型 30

3.3.2世界坐标与摄象机坐标分开时的摄象机模型 31

3.3.3通用摄象机模型 34

3.4 摄象机校准 37

3.5 立体成象方式 39

3.5.1立体成象方式分类 39

3.5.2单目成象和畸变 40

3.5.3双目成象和视差 42

3.5.4结构光成象和成象高度 44

练习题 46

第4章扩展分析技术 48

4.1 概述和分类 48

4.2.1基本哈夫变换原理 49

4.2 广义哈夫变换 49

4.2.2广义哈夫变换原理 50

4.2.3 完整广义哈夫变换 52

4.3 亚象素边缘检测 54

4.3.1基于矩保持的亚象素 54

边缘检测 54

4.3.2利用一阶微分期望值 55

的亚象素边缘检测 55

4.3.3利用切线信息的亚象素 56

边缘检测 56

4.4 3-D边缘检测和阈值分割 59

4.4.1 3-D边缘检测 59

4.4.2 3-D阈值分割 62

4.5 16-邻域 63

4.5.1术语和定义 64

4.5.2N16空间中的连通性 66

和最短通路 66

4.5.3Ti变换 69

4.5.4N16空间中的距离 70

4.6 3-D表面的表达 72

4.6.1 3-D轮廓线的表达 72

4.6.2 3-D目标表面的表达 72

4.6.3表面面元插值3-D轮廓 73

4.7 3-D实体的表达 75

4.7.1表达方案 75

4.7.2广义圆柱体 76

4.7.3扩展高斯图 78

练习题 79

5.1 概述和分类 81

第5章立体视觉 81

5.2 立体视觉模块 82

5.3 双目立体匹配 84

5.4 多目立体匹配 86

5.4.1 多目图象 86

5.4.2倒距离 87

5.5 正交多目立体匹配 90

5.5.1基本原理 90

5.5.2基于梯度分类的正交 94

三目立体匹配 94

5.5.3正交多目立体匹配 97

5.6 视差图误差检测与校正 98

5.7 亚象素级视差 102

练习题 106

第6章 三维形状信息恢复 108

6.1 概述和分类 108

6.2 光度立体学 109

6.2.1场景亮度和图象亮度 109

6.2.2表面反射特性和亮度 111

6.2.3 目标表面朝向 113

6.2.4反射图 114

6.2.5光度立体学求解 116

6.3.1光流和运动场 119

6.3.3光流计算 121

6.3.2光流约束方程 121

6.3.4光流与表面取向 126

6.4.1 阴影与形状 128

6.4 从阴影恢复形状 128

6.4.2利用单目图象求解 132

照度方程 132

6.5 纹理与表面朝向 136

6.5.1基本方法 136

6.5.2线段纹理消失点的确定 140

练习题 141

7.1 概述和分类 143

第7章知识和表达 143

7.2 场景知识 144

7.3 过程知识 145

7.4 知识表达基础 147

7.4.1对知识表达的要求 147

7.4.2知识表达类型 148

7.4.3 图象理解系统中的 149

知识模块 149

7.4.4图象理解中的知识表达 150

7.5 逻辑系统 152

7.5.1定义 152

7.5.2利用定理证明来推理 155

7.6 语义网络 157

7.7 产生式（专家）系统 160

练习题 162

第8章匹配和理解 163

8.1 概述和分类 163

8.2 模板匹配 164

8.3 目标匹配 165

8.3.1 字符串匹配 165

8.3.2特征点匹配 166

8.3.3形状数匹配 167

8.3.4惯量等效椭圆匹配 168

8.4 动态模式匹配 169

8.5 关系匹配 171

8.6 线图同构 175

8.7 特征内容匹配 176

8.7.1一般框架和系统模块 176

8.7.2颜色匹配 177

8.7.3纹理匹配 180

8.7.4形状匹配 182

8.7.5综合特征匹配 184

8.7.6语义内容匹配 186

8.7.7基于内容的多媒体信息检索与国际标准MPEG-7 187

练习题 188

第9章视觉理论和信息系统 190

9.1 概述和分类 190

9.2 视觉计算理论 191

9.2.1 马尔理论 191

9.2.2关于马尔理论的讨论 195

9.3 视觉信息系统模型 196

9.3.1系统模型结构 196

9.3.2多层次串行结构 197

9.3.3以知识库为中心的 198

辐射结构 198

9.3.4以知识库为根的树结构 199

9.3.5多模块交叉配合结构 200

9.4.1 VISIONS系统 201

9.4 具体系统分析 201

9.4.2 ACRONYM系统 202

9.4.3 KB Vision系统 203

9.5 典型系统比较 204

9.6 讨论和展望 205

练习题 209

附录A 相关技术 210

A.1 概述和分类 210

A.2.1模式和分类 211

A.2.2最小距离分类器 213

A.2.3 最优统计分类器 215

A.3.1字符串结构识别 219

A.3 结构模式识别 219

A.3.2树结构识别 222

A.3.3学习和推理 224

A.4 人工神经网络 227

A.4.1发展和特点 227

A.4.2用于两个模式类的 228

感知机模型 228

A.4.3 多层前向神经网络 232

A.4.4多层网络决策面的 238

复杂度 238

A.5.1二值数学形态学 241

A.5 图象代数与形态分析 241

A.5.2灰度数学形态学的 246

一些基本算法 246

A.5.3灰度数学形态学的 249

一些实用算法 249

A.5.4 图象代数 255

练习题 258

附录B 参考文献 261

B.1 主要相关书籍 261

B.2 本书引用的中文文献 262

B.3 本书引用的英文文献 263

英文目录 269