计算机视觉——一种现代方法

　　本书以一种独特的现代视角来考察计算机视觉这一全新的课题。书中提供了大量来自计算机视觉相关产业机构的详细资料和数据，使得读者可以对计算机视觉有一个全面的、战略性的审视眼光。从事于计算机图形学、机器人学、图像处理学的读者都会发现这是一本很有帮助的图书。DavidA.Forsyth，于牛律大学获得计算机科学博士学位，目前是加州大学伯克利分校计算机科学系的教授。在计算机视觉、计算机图形和机器学等方面，与人合作发表论文超过80篇，合作图书两部。JeanPonce，于巴黎第11大学（Orsay）获得计算机科学博士学位，目前伊利诺伊大学计算机科学教授。在包括计算机视觉和机器人学的宽广领域，Ponce教授著有超过100篇的会议和期刊论文，并与人合作编写了两本书。计算机视觉的应用日趋成熟，学习与掌握计算机视觉基本原理及计算方法是从事计算几何、计算机图形学、图像处理、机器人学等专门人才的需要。由于计算机视觉集多种学科，如数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体，因而编写一本适用教材十分困难。本书作者力求该书既做到系统条理，又能各章相对独立，便于学生通读或选择部分阅读。本书既讲清基本原理，又密切联系应用，使学生？饶苷莆栈驹碛帜苡胧导视τ昧灯鹄础＜炔环淅砺郏植嘀亟昀吹男孪食晒寡攘私饧扑慊泳醯姆⒄估罚帜馨阎饕Ψ旁诒皇导な滴行У慕暄芯康男鲁晒稀１臼榻匾氖е度谌敫飨喙卣陆谥校哂猩钊肭吵龅男Ч１臼樽髡呶煌枰难杓屏巳舾芍植煌慕萄Ъ苹檬橥缂虬嬉言诿拦舾裳Ｊ杂茫从称暮谩Ｕ馐墙杲铣晒Φ囊槐炯扑慊泳踅滩模彩屎嫌行巳さ淖ㄒ等瞬抛匝А？

　　DavidA.Forsyth，于牛律大学获得计算机科学博士学位，目前是加州大学伯克利分校计算机科学系的教授。在计算机视觉、计算机图形和机器学等方面，与人合作发表论文超过80篇，合作图书两部。JeanPonce，于巴黎第11大学（Orsay）获得计算机科学博士学位，目前伊利诺伊大学计算机科学教授。在包括计算机视觉和机器人学的宽广领域，Ponce教授著有超过100篇的会议和期刊论文，并与人合作编写了两本书。

第一部分 图像生成与图像模型
第1章 摄像机
1.1 针孔照相机
1.2 带镜头的摄像机
1.3 人的眼睛
1.4 信号感应
1.5 注释
习题
第2章 摄像机的几何模型
2.1 欧几里得解析几何基础
2.2 摄像机参数和透视投影
2.3 仿射摄像机和仿射投影方程
2.4 注释
习题
第3章 摄像机的几何标定
3.1 最小二乘法的参数估计
3.2 使用线性方法进行摄像机标定
3.3 径向畸变
3.4 分析摄影地形测量法
3.5 应用：机器人定位
3.6 注释
习题
第4章 辐射学——光亮度度量
4.1 空间中的光
4.2 到达表面的光
4.3 重要的特殊情况
4.4 注释
习题
第5章 光源、阴影与影调
5.1 定性辐射学
5.2 光源及其产生的效果
5.3 局部影调模型
5.4 应用：光度学体视
5.5 互反射：全局影调模型
5.6 注释
习题
第6章 颜色
6.1 物理学中的颜色
6.2 人类的颜色感知
6.3 颜色表示
6.4 图像颜色的一个模型
6.5 从图像颜色中找到表面颜色
6.6 注释
习题
第二部分 低层视觉：使用一幅图像
第7章 线性滤波
7.1 线性滤波和卷积
7.2 移不变线性系统
7.3 空间频率和傅里叶变换
7.4 采样和折叠失真
7.5 滤波器与模板
7.6 技术：归一化相关和检测模式
7.7 技术：尺度和图像金字塔
7.8 注释
习题
第8章 边缘检测
8.1 噪声
8.2 导数估计
8.3 对边缘进行检测
8.4 注释
习题
第9章 纹理
9.1 纹理表示
9.2 使用有方向性金字塔的分析（和合成)
9.3 应用：合成纹理来绘制
9.4 由纹理得到形状
9.5 注释
习题
第三部分 低层视觉：使用多幅图像
第10章 多视角几何学
10.1 双视角
10.2 三视图
10.3 更多的视图
10.4 注释
习题
第11章 立体视觉
11.1 重建
11.2 人类的立体视觉过程
11.3 双目融合
11.4 使用多个摄像机
11.5 注释
习题
第12章 从运动估计仿射模型
12.1 仿射几何基础
12.2 仿射结构和两幅图之间的运动
12.3 从多幅图像估计仿射结构和运动
12.4 从仿射到欧氏图像
12.5 仿射运动分割
12.6 注释
习题
第13章 从运动估计投影模型
13.1 投影几何基础
13.2 从双目对应估计运动和投影结构
13.3 多线性约束估计投影运动
13.4 多幅图像恢复运动和投影结构
13.5 从投影图像到欧氏图像
13.6 注释
习题
第四部分 中 层 视 觉
第14章 基于聚类的分割方法
14.1 什么是分割
14.2 人类视觉：分类和格式塔原理
14.3 应用：镜头的边界检测和背景差分
14.4 基于像素点聚类的图像分割
14.5 基于图论的聚类分割
14.6 注释
习题
第15章 基于模型拟合的分割
15.1 哈夫变换
15.2 直线拟合
15.3 拟合曲线
15.4 作为概率问题的拟合
15.5 鲁棒性
15.6 举例：用RANSAC来拟合基础矩阵
15.7 注释
习题
第16章 使用随机方法的分割与拟合
16.1 丢失数据问题、拟合和分割
16.2 EM算法的应用
16.3 模型选择：哪个模型拟合得最好
16.4 注释
习题
第17章 基于线性动态模型的跟踪
17.1 把跟踪作为一个抽象的推理问题
17.2 线性动态模型
17.3 卡尔曼滤波
17.4 数据相关
17.5 应用和例子
17.6 注释
习题
第五部分 高层视觉几何方法
第18章 基于模型的视觉
18.1 初始假设
18.2 通过位姿一致性获取假设
18.3 位姿聚类获得假设
18.4 采用不变量获得假设
18.5 校验
18.6 应用：医学图像系统的对准
18.7 曲面与对准
18.8 注释
习题
第19章 平滑表面及其轮廓
19.1 微分几何的基本要点
19.2 表面轮廓几何学
19.3 注释
习题
第20章 外观图
20.1 视觉事件：微分几何的补充
20.2 计算外观图
20.3 外观图与物体定位
20.4 注释
习题
第21章 距离数据
21.1 主动距离传感器
21.2 距离数据的分割
21.3 距离图像的匹配和模型获取
21.4 物体识别
21.5 注释
习题
第六部分 高层视觉：基于概率和推理的方法
第22章 利用分类器建立模板
22.1 分类器
22.2 基于类直方图创建分类器
22.3 特征选择
22.4 神经元网络
22.5 支持向量机
22.6 注释
习题
22.7 附录I：向后传播算法
22.8 附录II：线性不可分数据集上的支持向量机
22.9 附录III：非线性支持向量机
第23章 基于模板间关系的识别
23.1 通过对模板间关系投票检测物体
23.2 利用概率模型及搜索的关系推理
23.3 利用分类器简化搜索
23.4 隐马尔可夫模型
23.5 应用：基于隐马尔可夫模型的手语理解
23.6 应用：基于隐马尔可夫模型的人体检测
23.7 注释
第24章 基于空间关系的几何模板
24.1 物体与图像之间的简单关系
24.2 基元、模板与几何推理
24.3 后记：物体识别
24.4 注释
习题
第七部分 应用
第25章 应用：在数字化收藏库中查找
25.1 背景知识：组织收藏的信息
25.2 整幅图的概要表示
25.3 图片的分部表示
25.4 视频
25.5 注释
第26章 应用：基于图像的绘制
26.1 从图像序列构造三维模型
26.2 基于迁移的基于图像绘制方法
26.3 光线场
26.4 注释
习题