计算机视觉是研究如何使人工系统从图像或多维数据中“感知”的科学。本书是计算机视觉领域的经典教材，内容涉及摄像机的几何模型、光照及阴影、颜色、线性滤波、局部图像特征、纹理、立体视觉、运动结构、聚类分割、分组与模型拟合、跟踪、配准、平滑表面及其轮廓、深度数据、图像分类、物体检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等。与前一版相比，本书简化了部分主题，增加了应用示例，重写了关于现代特征的内容，详述了现代图像编辑技术与物体识别技术。

计算机视觉是研究如何使人工系统从图像或多维数据中“感知”的科学。本书是计算机视觉领域的经典教材，内容涉及摄像机的几何模型、光照及阴影、颜色、线性滤波、局部图像特征、纹理、立体视觉、运动结构、聚类分割、分组与模型拟合、跟踪、配准、平滑表面及其轮廓、深度数据、图像分类、物体检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等。与前一版相比，本书简化了部分主题，增加了应用示例，重写了关于现代特征的内容，详述了现代图像编辑技术与物体识别技术。

目录 第一部分图像生成 第1章摄像机的几何模型 1.1图像成像 1.1.1针孔透视 1.1.2弱透视 1.1.3带镜头的照相机 1.1.4人的眼睛 1.2内参数和外参数 1.2.1刚体变换和齐次坐标 1.2.2内参数 1.2.3外参数 1.2.4透视投影矩阵 1.2.5弱透视投影矩阵 1.3照相机的几何标定 1.3.1使用线性方法对照相机进行标定 1.3.2使用非线性方法对照相机进行标定 1.4注释 习题 编程练习 第2章光照及阴影 2.1像素的亮度 2.1.1表面反射 2.1.2光源及其产生的效果 2.1.3朗伯+镜面反射模型 2.1.4面光源 2.2阴影的估算 2.2.1辐射校准和高动态范围图像 2.2.2镜面反射模型 2.2.3对亮度和照度的推理 2.2.4光度立体技术:从多幅阴影图像恢复形状 2.3对互反射进行建模 2.3.1源于区域光在一个块上的照度 2.3.2热辐射和存在性 2.3.3互反射模型 2.3.4互反射的定性性质 2.4一个阴影图像的形状 2.5注释 习题 编程练习 第3章颜色 3.1人类颜色感知 3.1.1颜色匹配 3.1.2颜色感受体 3.2颜色物理学 3.2.1颜色的来源 3.2.2表面颜色 3.3颜色表示 3.3.1线性颜色空间 3.3.2非线性颜色空间 3.4图像颜色的模型 3.4.1漫反射项 3.4.2镜面反射项 3.5基于颜色的推论 3.5.1用颜色发现镜面反射 3.5.2用颜色去除阴影 3.5.3颜色恒常性:从图像颜色获得表面颜色 3.6注释 习题 编程练习 第二部分早期视觉:使用一幅图像 第4章线性滤波 4.1线性滤波与卷积 4.1.1卷积 4.2移不变线性系统 4.2.1离散卷积 4.2.2连续卷积 4.2.3离散卷积的边缘效应 4.3空间频率和傅里叶变换 4.3.1傅里叶变换 4.4采样和混叠 4.4.1采样 4.4.2混叠 4.4.3平滑和重采样 4.5滤波器与模板 4.5.1卷积与点积 4.5.2基的改变 4.6技术:归一化相关和检测模式 4.6.1通过归一化相关检测手势的方法来控制电视机 4.7技术:尺度和图像金字塔 4.7.1高斯金字塔 4.7.2多尺度表示的应用 4.8注释 习题 编程练习 第5章局部图像特征 5.1计算图像梯度 5.1.1差分高斯滤波 5.2对图像梯度的表征 5.2.1基于梯度的边缘检测子 5.2.2方向 5.3查找角点和建立近邻 5.3.1查找角点 5.3.2采用尺度和方向构建近邻 5.4通过SIFT特征和HOG特征描述近邻 5.4.1SIFT特征 5.4.2HOG特征 5.5实际计算局部特征 5.6注释 习题 编程练习 第6章纹理 6.1利用滤波器进行局部纹理表征 6.1.1斑点和条纹 6.1.2从滤波器输出到纹理表征 6.1.3实际局部纹理表征 6.2通过纹理基元的池化纹理表征 6.2.1向量量化和纹理基元 6.2.2k均值聚类的向量量化 6.3纹理合成和对图像中的空洞进行填充 6.3.1通过局部模型采样进行合成 6.3.2填充图像中的空洞 6.4图像去噪 6.4.1非局部均值 6.4.2三维块匹配(BM3D) 6.4.3稀疏编码学习 6.4.4结果 6.5由纹理恢复形状 6.5.1在平面内由纹理恢复形状 6.5.2从弯曲表面的纹理恢复形状 6.6注释 习题 编程练习 第三部分低层视觉:使用多幅图像 第7章立体视觉 7.1双目摄像机的几何属性和对极约束 7.1.1对极几何 7.1.2本征矩阵 7.1.3基础矩阵 7.2双目重构 7.2.1图像矫正 7.3人类立体视觉 7.4双目融合的局部算法 7.4.1相关 7.4.2多尺度的边缘匹配 7.5双目融合的全局算法 7.5.1排序约束和动态规划 7.5.2平滑约束和基于图的组合优化 7.6使用多台摄像机 7.7应用:机器人导航 7.8注释 习题 编程练习 第8章从运动中恢复三维结构 8.1内部标定的透视摄像机 8.1.1问题的自然歧义性 8.1.2从两幅图像估计欧氏结构和运动 8.1.3从多幅图像估计欧氏结构和运动 8.2非标定的弱透视摄像机 8.2.1问题的自然歧义性 8.2.2从两幅图像恢复仿射结构和运动 8.2.3从多幅图像恢复仿射结构和运动 8.2.4从仿射到欧氏图像 8.3非标定的透视摄像机 8.3.1问题的自然歧义性 8.3.2从两幅图像恢复投影结构和运动 8.3.3从多幅图像恢复投影结构和运动 8.3.4从投影到欧氏图像 8.4注释 习题 编程练习 第四部分中层视觉方法 第9章基于聚类的分割方法 9.1人类视觉:分组和格式塔原理 9.2重要应用 9.2.1背景差分 9.2.2镜头的边界检测 9.2.3交互分割 9.2.4形成图像区域 9.3基于像素点聚类的图像分割 9.3.1基本的聚类方法 9.3.2分水岭算法 9.3.3使用k均值算法进行分割 9.3.4均值漂移:查找数据中的局部模型 9.3.5采用均值漂移进行聚类和分割 9.4分割、聚类和图论 9.4.1图论术语和相关事实 9.4.2根据图论进行凝聚式聚类 9.4.3根据图论进行分解式聚类 9.4.4归一化切割 9.5图像分割在实际中的应用 9.5.1对分割器的评估 9.6注释 习题 编程练习 第10章分组与模型拟合 10.1霍夫变换 10.1.1用霍夫变换拟合直线 10.1.2霍夫变换的使用 10.2拟合直线与平面 10.2.1拟合单一直线 10.2.2拟合平面 10.2.3拟合多条直线 10.3拟合曲线 10.4鲁棒性 10.4.1M估计法 10.4.2RANSAC:搜寻正常点 10.5用概率模型进行拟合 10.5.1数据缺失问题 10.5.2混合模型和隐含变量 10.5.3混合模型的EM算法 10.5.4EM算法的难点 10.6基于参数估计的运动分割 10.6.1光流和运动 10.6.2光流模型 10.6.3用分层法分割运动 10.7模型选择:哪个最好 10.7.1利用交叉验证选择模型 10.8注释 习题 编程练习 第11章跟踪 11.1简单跟踪策略 11.1.1基于检测的跟踪 11.1.2基于匹配的平移跟踪 11.1.3使用仿射变换来确定匹配 11.2匹配跟踪 11.2.1匹配摘要表征 11.2.2流跟踪 11.3基于卡尔曼滤波器的线性动态模型跟踪 11.3.1线性测量值和线性动态模型 11.3.2卡尔曼滤波 11.3.3前向后向平滑 11.4数据相关 11.4.1卡尔曼滤波检测方法 11.4.2数据相关的关键方法 11.5粒子滤波 11.5.1概率分布的采样表示 11.5.2最简单的粒子滤波器 11.5.3跟踪算法 11.5.4可行的粒子滤波器 11.5.5创建粒子滤波器中的粒子问题 11.6注释 习题 编程练习 第五部分高层视觉 第12章配准 12.1刚性物体配准 12.1.1迭代最近点 12.1.2通过关联搜索转换关系 12.1.3应用:建立图像拼接 12.2基于模型的视觉:使用投影配准刚性物体 12.2.1验证:比较转换与渲染后的原图与目标图 12.3配准可形变目标 12.3.1使用主动外观模型对纹理进行变形 12.3.2实践中的主动外观模型 12.3.3应用:医疗成像系统中的配准 12.4注释 习题 编程练习 第13章平滑的表面及其轮廓 13.1微分几何的元素 13.1.1曲线 13.1.2表面 13.2表面轮廓几何学 13.2.1遮挡轮廓和图形轮廓 13.2.2图像轮廓的歧点和拐点 13.2.3Koenderink定理 13.3视觉事件:微分几何的补充 13.3.1高斯映射的几何关系 13.3.2渐近曲线 13.3.3渐近球面映射 13.3.4局部视觉事件 13.3.5双切射线流形 13.3.6多重局部视觉事件 13.3.7外观图 13.4注释 习题 第14章深度数据 14.1主动深度传感器 14.2深度数据的分割 14.2.1分析微分几何学的基本元素 14.2.2在深度图像中寻找阶跃和顶边 14.2.3把深度图像分割为平面区域 14.3深度图像的配准和模型获取 14.3.1四元组 14.3.2使用最近点迭代方法配准深度图像 14.3.3多幅深度图像的融合 14.4物体识别 14.4.1使用解释树匹配分段平面表示的表面 14.4.2使用自旋图像匹配自由形态的曲面 14.5Kinect 14.5.1特征 14.5.2技术:决策树和随机森林 14.5.3标记像素 14.5.4计算关节位置 14.6注释 习题 编程练习 第15章用于分类的学习 15.1分类、误差和损失函数 15.1.1基于损失的决策 15.1.2训练误差、测试误差和过拟合 15.1.3正则化 15.1.4错误率和交叉验证 15.1.5受试者工作特征曲线(ROC) 15.2主要的分类策略 15.2.1示例:采用归一化类条件密度的马氏距离 15.2.2示例:类条件直方图和朴素贝叶斯 15.2.3示例:采用最近邻的非参分类器 15.2.4示例:线性支持向量机 15.2.5示例:核机器 15.2.6示例:级联和Adaboost 15.3构建分类器的实用方法 15.3.1手动调整训练数据并提升性能 15.3.2通过二类分类器构建多类分类器 15.3.3求解SVM和核机器的方案 15.4注释 习题 第16章图像分类 16.1构建好的图像特征 16.1.1示例应用 16.1.2采用GIST特征进行编码布局 16.1.3采用视觉单词总结图像 16.1.4空间金字塔 16.1.5采用主分量进行降维 16.1.6采用典型变量分析进行降维 16.1.7示例应用:检测不雅图片 16.1.8示例应用:材料分类 16.1.9示例应用:场景分类 16.2分类单一物体的图像 16.2.1图像分类策略 16.2.2图像分类的评估系统 16.2.3固定类数据集 16.2.4大量类的数据集 16.2.5花、树叶和鸟:某些特定的数据集 16.3在实践中进行图像分类 16.3.1关于图像特征的代码 16.3.2图像分类数据库 16.3.3数据库偏差 16.3.4采用众包平台进行数据库收集 16.4注释 编程练习 第17章检测图像中的物体 17.1滑动窗口法 17.1.1人脸检测 17.1.2行人检测 17.1.3边界检测 17.2检测形变物体 17.3物体检测算法的发展现状 17.3.1数据库和资源 17.4注释 编程练习 第18章物体识别 18.1物体识别应该做什么 18.1.1物体识别系统应该做什么 18.1.2目前物体识别的策略 18.1.3什么是类别 18.1.4选择:应该怎么描述 18.2特征问题 18.2.1提升当前图像特征 18.2.2其他类型的图像特征 18.3几何问题 18.4语义问题 18.4.1属性和不熟悉 18.4.2部分、姿态部件和一致性 18.4.3块的意义:部分、姿态部件、物体、短语和场景 第六部分应用与其他主题 第19章基于图像的建模与渲染 19.1可视外壳 19.1.1可视外壳模型的主要元素 19.1.2跟踪相交曲线 19.1.3分割相交曲线 19.1.4锥带三角化 19.1.5结果 19.1.6更进一步:雕刻可视外壳 19.2基于贴片的多视立体视觉 19.2.1PMVS模型的主要元素 19.2.2初始特征匹配 19.2.3扩张 19.2.4过滤 19.2.5结果 19.3光场 19.4注释 习题 编程练习 第20章对人的观察 20.1隐马尔可夫模型、动态规划和基于树形结构的模型 20.1.1隐马尔可夫模型 20.1.2关于HMM的推理 20.1.3通过EM拟合HMM 20.1.4树形结构的能量模型 20.2对图像中的人进行解析 20.2.1图形结构模型的解析 20.2.2估计衣服的表面 20.3人的跟踪 20.3.1为什么人的跟踪如此困难 20.3.2通过表面进行运动跟踪 20.3.3采用模板进行运动人体跟踪 20.4从二维到三维:提升 20.4.1在正视图进行重构 20.4.2利用外貌进行精确重构 20.4.3利用运动进行精确重构 20.5行为识别 20.5.1背景:人类运动数据 20.5.2人体结构和行为识别 20.5.3采用外貌特征识别人类行为 20.5.4采用组合的模型识别人类行为 20.6资源 20.7注释 第21章图像搜索与检索 21.1应用背景 21.1.1应用 21.1.2用户需求 21.1.3图像查询的类别 21.1.4什么样的用户使用图像采集 21.2源自信息检索的基本技术 21.2.1单词统计 21.2.2单词统计的平滑 21.2.3最近邻估计和哈希 21.2.4文本排序 21.3图像文件 21.3.1没有量化的匹配 21.3.2根据查询结果对图像进行排序 21.3.3浏览与布局 21.3.4图像浏览布局 21.4对注释的图片预测 21.4.1源于邻近文字的注释 21.4.2源于整幅图的注释 21.4.3采用分类器预测关联的单词 21.4.4人名与人脸 21.4.5通过分割生成标签 21.5目前最先进的单词预测器 21.5.1资源 21.5.2方法比较 21.5.3开放问题 21.6注释 第七部分背景材料 第22章优化技术 22.1线性最小二乘法 22.1.1正则方程和伪逆 22.1.2齐次方程组和特征值问题 22.1.3广义特征值问题 22.1.4示例:拟合平面上的一条直线 22.1.5奇异值分解 22.2非线性最小二乘法 22.2.1牛顿方法:平方非线性方程组 22.2.2牛顿方法:过约束的非线性方程组 22.2.3高斯牛顿法和Levenberg-Marquardt法 22.3稀疏编码和字典学习 22.3.1稀疏编码 22.3.2字典学习 22.3.3监督字典学习 22.4最小切/最大流问题和组合优化 22.4.1最小切问题 22.4.2二次伪布尔函数 22.4.3泛化为整型变量 22.5注释

http://www.hxedu.com.cn/hxedu/fg/book/bookinfo.html?code=G0276170