类似推荐
编辑推荐
（1）涵盖十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。
（2）图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。
（3）提供了丰富的参考文献，既列出了经过时间考验的经典论文，也列出了能反映未来发展方向的新进展，适于读者进一步深入探索。
内容简介
本书是英文第4版的中文翻译，大约有五分之一的内容更新。主要更新的内容包括：增加了一些新的算法，增加了习题部分，重写了部分内容。更为具体的内容更新请参考作者序。本书是在第3版中文翻译的基础上，按照直译的原则进行翻译的，与英文版形成完全的对照。对于英文版中明显存在的排印或疏忽类的错误，都进行了更正。由于这些错误一般都很明显，因此译文中没有专门声明，读者如果对照英文版，不难看出其出处。
章节目录
第1章引言 1
1.1动机 1
1.2计算机视觉为什么是困难的 2
1.3图像表达与图像分析的任务 4
1.4总结 7
1.5习题 7
1.6参考文献 8
第2章图像及其表达与性质 9
2.1图像表达若干概念 9
2.2图像数字化 11
2.2.1采样 11
2.2.2量化 12
2.3数字图像性质 13
2.3.1数字图像的度量和拓扑性质 13
2.3.2直方图 17
2.3.3熵 18
2.3.4图像的视觉感知 18
2.3.5图像品质 20
2.3.6图像中的噪声 21
2.4彩色图像 22
2.4.1色彩物理学 22
2.4.2人所感知的色彩 23
2.4.3彩色空间 26
2.4.4调色板图像 28
2.4.5颜色恒常性 28
2.5摄像机概述 29
2.5.1光敏传感器 29
2.5.2黑白摄像机 30
2.5.3彩色摄像机 32
2.6总结 32
2.7习题 33
2.8参考文献 35
第3章图像及其数学与物理背景 37
3.1概述 37
3.1.1线性 37
3.1.2狄拉克（Dirac）分布和卷积 37
3.2积分线性变换 38
3.2.1作为线性系统的图像 39
3.2.2积分线性变换引言 39
3.2.31D傅里叶变换 39
3.2.42D傅里叶变换 43
3.2.5采样与香农约束 45
3.2.6离散余弦变换 47
3.2.7小波变换 48
3.2.8本征分析 52
3.2.9奇异值分解 53
3.2.10主分量分析 54
3.2.11Radon变换 56
3.2.12其他正交图像变换 56
3.3作为随机过程的图像 57
3.4图像形成物理 59
3.4.1作为辐射测量的图像 59
3.4.2图像获取与几何光学 60
3.4.3镜头像差和径向畸变 63
3.4.4从辐射学角度看图像获取 65
3.4.5表面反射 67
3.5总结 69
3.6习题 70
3.7参考文献 71
第4章图像分析的数据结构 73
4.1图像数据表示的层次 73
4.2传统图像数据结构 74
4.2.1矩阵 74
4.2.2链 76
4.2.3拓扑数据结构 76
4.2.4关系结构 77
4.3分层数据结构 78
4.3.1金字塔 78
4.3.2四叉树 79
4.3.3其他金字塔结构 80
4.4总结 81
4.5习题 82
4.6参考文献 83
第5章图像预处理 85
5.1像素亮度变换 85
5.1.1位置相关的亮度校正 85
5.1.2灰度级变换 86
5.2几何变换 88
5.2.1像素坐标变换 88
5.2.2亮度插值 89
5.3局部预处理 91
5.3.1图像平滑 91
5.3.2边缘检测算子 97
5.3.3二阶导数过零点 100
5.3.4图像处理中的尺度 104
5.3.5Canny边缘提取 105
5.3.6参数化边缘模型 107
5.3.7多光谱图像中的边缘 107
5.3.8频域的局部预处理 108
5.3.9用局部预处理算子作线检测 112
5.3.10角点（兴趣点）检测 113
5.3.11最大稳定极值区域检测 116
5.4图像复原 117
5.4.1容易复原的退化 118
5.4.2逆滤波 118
5.4.3维纳滤波 118
5.5总结 120
5.6习题 121
5.7参考文献 126
第6章分割Ⅰ 130
6.1阈值化 130
6.1.1阈值检测方法 132
6.1.2最优阈值化 133
6.1.3多光谱阈值化 135
6.2基于边缘的分割 136
6.2.1边缘图像阈值化 137
6.2.2边缘松弛法 138
6.2.3边界跟踪 139
6.2.4作为图搜索的边缘跟踪 143
6.2.5作为动态规划的边缘跟踪 149
6.2.6Hough变换 152
6.2.7使用边界位置信息的边界
???检测 157
6.2.8从边界构造区域 157
6.3基于区域的分割 159
6.3.1区域归并 160
6.3.2区域分裂 161
6.3.3分裂与归并 162
6.3.4分水岭分割 165
6.3.5区域增长后处理 167
6.4匹配 167
6.4.1模版匹配 168
6.4.2模版匹配的控制策略 170
6.5分割的评测问题 170
6.5.1监督式评测 171
6.5.2非监督式评测 173
6.6总结 174
6.7习题 176
6.8参考文献 178
第7章分割Ⅱ 185
7.1均值移位分割 185
7.2活动轮廓模型——蛇行 190
7.2.1经典蛇行和气球 191
7.2.2扩展 193
7.2.3梯度矢量流蛇 194
7.3几何变形模型——水平集和测地
?? 活动轮廓 198
7.4模糊连接性 203
7.5面向基于3D图的图像分割 208
7.5.1边界对的同时检测 208
7.5.2次优的表面检测 211
7.6图割分割 212
7.7最优单和多表面分割 217
7.8总结 227
7.9习题 228
7.10参考文献 229
第8章形状表示与描述 237
8.1区域标识 239
8.2基于轮廓的形状表示与描述 241
8.2.1链码 241
8.2.2简单几何边界表示 242
8.2.3边界的傅里叶变换 245
8.2.4使用片段序列的边界描述 246
8.2.5B样条表示 249
8.2.6其他基于轮廓的形状描述
???方法 250
8.2.7形状不变量 251
8.3基于区域的形状表示与描述 253
8.3.1简单的标量区域描述 254
8.3.2矩 257
8.3.3凸包 259
8.3.4基于区域骨架的图表示 262
8.3.5区域分解 266
8.3.6区域邻近图 267
8.4形状类别 268
8.5总结 268
8.6习题 270
8.7参考文献 272
第9章物体识别 278
9.1知识表示 278
9.2统计模式识别 281
9.2.1分类原理 282
9.2.2最近邻 283
9.2.3分类器设置 285
9.2.4分类器学习 287
9.2.5支持向量机 288
9.2.6聚类分析 291
9.3神经元网络 293
9.3.1前馈网络 294
9.3.2非监督学习 295
9.3.3Hopfield神经元网络 296
9.4句法模式识别 297
9.4.1语法与语言 298
9.4.2句法分析与句法分类器 300
9.4.3句法分类器学习与语法推导 301
9.5作为图匹配的识别 302
9.5.1图和子图的同构 303
9.5.2图的相似度 305
9.6识别中的优化技术 306
9.6.1遗传算法 307
9.6.2模拟退火 308
9.7模糊系统 309
9.7.1模糊集和模糊隶属函数 310
9.7.2模糊集运算 311
9.7.3模糊推理 312
9.7.4模糊系统设计与训练 314
9.8模式识别中的Boosting方法 315
9.9随机森林 317
9.9.1随机森林训练 318
9.9.2随机森林决策 321
9.9.3随机森林扩展 322
9.10总结 322
9.11习题 325
9.12参考文献 330
第10章图像理解 335
10.1图像理解控制策略 336
10.1.1并行和串行处理控制 336
10.1.2分层控制 337
10.1.3自底向上的控制 337
10.1.4基于模型的控制 337
10.1.5混合的控制策略 338
10.1.6非分层控制 341
10.2SIFT：尺度不变特征转换 342
10.3RANSAC：通过随机抽样一致来
???拟合 344
10.4点分布模型 347
10.5活动表观模型 355
10.6图像理解中的模式识别方法 362
10.6.1基于分类的分割 362
10.6.2上下文图像分类 364
10.6.3梯度方向直方图-HOG 367
10.7Boosted层叠分类器用于快速物体
???检测 370
10.8基于随机森林的图像理解 372
10.9场景标注和约束传播 377
10.9.1离散松弛法 378
10.9.2概率松弛法 379
10.9.3搜索解释树 381
10.10语义图像分割和理解 382
10.10.1语义区域增长 383
10.10.2遗传图像解释 384
10.11隐马尔可夫模型 390
10.11.1应用 394
10.11.2耦合的HMM 394
10.11.3贝叶斯信念网络 395
10.12马尔科夫随机场 397
?10.12.1图像和视觉的应用 398
10.13高斯混合模型和期望最大化 399
10.14总结 404
10.15习题 407
10.16参考文献 410
第11章3D几何，对应，从亮度到3D 419
11.13D视觉任务 419
11.1.1Marr理论 421
11.1.2其他视觉范畴：主动和
有目的的视觉 422
11.2射影几何学基础 423
11.2.1射影空间中的点和超平面 424
11.2.2单应性 426
11.2.3根据对应点估计单应性 427
11.3单透视摄像机 430
11.3.1摄像机模型 430
11.3.2齐次坐标系中的投影和
反投影 432
11.3.3从已知场景标定一个
摄像机 432
11.4从多视图重建场景 433
11.4.1三角测量 433
11.4.2射影重建 434
11.4.3匹配约束 435
11.4.4光束平差法 436
11.4.5升级射影重建和自标定 437
11.5双摄像机和立体感知 438
11.5.1极线几何学——基本矩阵 438
11.5.2摄像机的相对运动——本质
矩阵 440
11.5.3分解基本矩阵到摄像机
矩阵 441
11.5.4从对应点估计基本矩阵 441
11.5.5双摄像机矫正结构 442
11.5.6矫正计算 444
11.6三摄像机和三视张量 445
11.6.1立体对应点算法 446
11.6.2距离图像的主动获取 451
11.7由辐射测量到3D信息 453
11.7.1由阴影到形状 453
11.7.2光度测量立体视觉 455
11.8总结 456
11.9习题 457
11.10参考文献 459
第12章3D视觉的应用 464
12.1由X到形状 464
12.1.1由运动到形状 464
12.1.2由纹理到形状 468
12.1.3其他由X到形状的技术 469
12.2完全的3D物体 471
12.2.13D物体、模型以及相关
问题 471
12.2.2线条标注 472
12.2.3体积表示和直接测量 474
图像处理、分析与机器视觉·第4版/世界著名计算机教材精选是2016年由清华大学出版社出版,作者MilanSonka。
得书感谢您对《图像处理、分析与机器视觉·第4版/世界著名计算机教材精选》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
