计算机视觉 算法与系统原理PDF电子书下载

第一章 概论 1

1.1 人类视觉系统的构成与视觉机理 2

1.1.1 眼睛 3

1.1.2 视觉神经系统 4

1.1.3 视觉机理假说 6

1.1.4 视觉中的一些心理和生理特征与现象 8

1.1.5 视知觉对深度的感知 13

1.2 计算机视觉研究的特点 15

1.3 计算机视觉?相关领域的关系 16

1.4 计算机视觉的发展 17

第二章 计算机视学中的空间关系 20

2.1 基本概念 20

2.2 成象模型与视觉坐标系 21

2.3 齐次坐标与?矢量 23

2.4 平面对偶原理 27

2.5 直射变换、?时变换与标准极变换 28

2.6.1 N速度与轨迹 37

2.6 平移运动 37

2.6.2 平移运动的出现点与从平移恢复形状 38

2.7 旋转运动 41

2.7.1 旋转变换 41

2.7.2 旋转矩阵的计算 42

2.8 一般刚体运动 45

2.8.1 一般刚体运动的坐标变换 46

2.8.2 平面投影图象的变换 48

2.8.3 变换参数的计算 52

2.8.4 面参数的计算 54

2.8.5 一般刚体运动分析 56

第三章 立体视觉 59

3.1 一般性原理 59

3.2 内极点、内极线与内极平面 60

3.2.1 一般情况 60

3.2.2 平行立体视中的内极线约束 63

3.3.1 双目配准 65

3.3 立体视中的配准 65

3.3.2 三目配准 75

3.4 三维表面重建 78

第四章 运动分析 83

4.1 运动场与光流 83

4.1.1 运动场 83

4.1.2 光流 84

4.2 基于梯度的光流计算 84

4.2.1 基本等式的引入 85

4.2.2 光流计算与附加约束 85

4.3 基于区域匹配的光流计算方法 92

4.3.1 基于保守信息的初始速度场估计 92

4.3.2 利用领域信息的求精 93

4.3.3 采用Kalman滤波器的速度场估计 94

4.4 光流计算的其他方法 96

4.5 从运动恢复结构 98

4.5.1 空间运动与对应视平面的运动场 98

4.5.2 平面对象的光流 100

第五章 基于其他线索的三维信息恢复 108

5.1 从阴影恢复三维形状 108

5.1.1 成象过程的数学模型 108

5.1.2 反射图方法 110

5.1.3 球状点假设方法 111

5.2 从纹理恢复三维形状 121

5.2.1 基于纹理梯度的方法 122

5.2.2 基于收敛线的方法 126

5.2.3 基于正规化纹理属性图的方法 126

5.2.4 由形变估计表面方向 128

5.3 融合阴影与纹理的立体视觉 131

5.3.1 光度立体技术 131

5.3.2 纹理立体技术 131

第六章 不确定性视觉计算 133

6.1 视觉逆问题及其不确定性 134

6.1.1 成象过程与视觉计算 134

6.1.2 逆问题与不确定性 135

6.2 不确定性的描述与求解 136

6.2.1 有限晶格系统，MRF与Gibbs分布 136

6.2.2 估计构造 138

6.2.3 问题求解 142

6.2.4 参数估计 143

6.3 基于不确定性方法的边缘检测 146

6.3.1 模型的的建立 146

6.3.2 估计的求解 149

6.4 基于不确定性方法的立体视视差计算 150

6.4.1 构造估计问题 150

6.4.2 WTA网络 151

6.5 小结 153

第七章 高层表示 154

7.1二维图象的表示 154

7.1.1 边界表示 154

7.2 三维物体的几何模型 156

7.1.2 区域表示 156

7.2.1 物体的结构表示 157

7.2.2 物体的多视特征表示 164

7.3 空间物体的关系模型 166

7.3.1 语义网的概念 166

7.3.2 属性超图 170

7.3.3 语义网的操作 172

7.3.4 其他知识表达方法介绍 181

8.1 主动视觉 186

第八章 主动视觉与融合 186

8.1.1 从阴影恢复形状 187

8.1.2 从运动恢复结构 193

8.1.3 主动跟踪 197

8.1.4 通过变形模板提取面部特征 198

8.2 视觉计算与融合技术 203

8.2.1 融合处理中需考虑的问题 204

8.2.2 不同级融合的一个例子 206

8.2.3 融合的一般方法 207

8.2.4 物体识别与信息融合 214

第九章 计算机视觉系统 219

9.1 引言 219

9.2 三维物体识别 219

9.2.1 三维物体识别概念 219

9.2.2 物体识别系统的组成及特性 220

9.2.3 物体识别的模型组织与特性 221

9.3 视觉系统中的若干问题 226

9.3.1 视觉系统中的控制 226

9.3.2 视觉系统中的推理与规划 227

9.3.3 视觉系统中的学习 233

9.4 三维计算机视觉系统 234

9.4.1 ACRONYM——基于模型驱动的视觉系统 234

9.4.2 INGEN——用于一般形状物体识别的视觉系统 237

9.5 通用图像理解环境 243

9.5.1 KBVision——基于知识的图象理解环境 243

9.5.2 IUE——通用图象理解环境 251

参考文献 254

附录一 算法证明 264

1.1 算法2.3的证明 264

1.2 算法2.4的计算过程 271

附录二 IUE中类的谱系图 275

2.1 IUE基本类谱系图 275

2.2 IUE图象类谱系图 278

2.3 IUE空间对象类谱系图 279

2.4 IUE图象特征类谱系图 286

2.5 IUE坐标系与变换类谱系图 288

2.6 IUE空间索引类谱系图 290

2.7 IUE传感器类谱系图 291

2.8 IUE传感器模型类谱系图 293

2.9 IUE射线类谱系图 294

2.10 IUE镜头类谱系图 295

2.11 IUE滤波器类谱系图 295

2.12 IUE景物类谱系图 297

2.13 IUE统计类谱系图 298