图像处理、分析与机器视觉 第3版PDF|Epub|txt|kindle电子书版本网盘下载

图像处理、分析与机器视觉 第3版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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

1.5参考文献7

第2章 图像及其表达与性质8

2.1图像表达若干概念8

连续图像函数8

2.2图像数字化10

2.2.1采样10

2.2.2量化11

2.3数字图像性质12

2.3.1数字图像的度量和拓扑性质12

2.3.2直方图16

2.3.3熵17

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20

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33

2.7参考文献34

第3章 图像及其数学与物理背景35

3.1概述35

3.1.1线性35

3.1.2狄拉克（Dirac）分布和卷积35

3.2积分线性变换37

3.2.1作为线性系统的图像37

3.2.2积分线性变换引言37

3.2.3 1D傅里叶变换38

3.2.4 2D傅里叶变换41

3.2.5采样与香农约束43

3.2.6离散余弦变换46

3.2.7小波变换47

3.2.8本征分析51

3.2.9奇异值分解52

3.2.10主分量分析53

3.2.11其他正交图像变换54

3.3作为随机过程的图像55

3.4图像形成物理57

3.4.1作为辐射测量的图像57

3.4.2图像获取与几何光学57

3.4.3镜头像差和径向畸变60

3.4.4从辐射学角度看图像获取62

3.4.5表面反射64

3.5总结67

3.6参考文献67

第4章 图像分析的数据结构69

4.1图像数据表示的层次69

4.2传统图像数据结构70

4.2.1矩阵70

4.2.2链72

4.2.3拓扑数据结构73

4.2.4关系结构73

4.3分层数据结构74

4.3.1金字塔74

4.3.2四叉树75

4.3.3其他金字塔结构76

4.4总结77

4.5参考文献78

第5章 图像预处理79

5.1像素亮度变换79

5.1.1位置相关的亮度校正80

5.1.2灰度级变换80

5.2几何变换82

5.2.1像素坐标变换83

5.2.2亮度插值84

5.3局部预处理86

5.3.1图像平滑86

5.3.2边缘检测算子92

5.3.3二阶导数过零点96

5.3.4图像处理中的尺度98

5.3.5Canny边缘提取100

5.3.6参数化边缘模型102

5.3.7多光谱图像中的边缘103

5.3.8频域的局部预处理103

5.3.9用局部预处理算子作线检测108

5.3.10角点（兴趣点）检测109

5.3.11最大稳定极值区域检测112

5.4图像复原114

5.4.1容易复原的退化114

5.4.2逆滤波115

5.4.3维纳滤波115

5.5总结117

5.6参考文献118

第6章 分割I124

6.1阈值化124

6.1.1阈值检测方法126

6.1.2最优阈值化127

6.1.3多光谱阈值化129

6.2基于边缘的分割130

6.2.1边缘图像阈值化131

6.2.2边缘松弛法133

6.2.3边界跟踪135

6.2.4作为图搜索的边缘跟踪139

6.2.5作为动态规划的边缘跟踪146

6.2.6Hough变换149

6.2.7使用边界位置信息的边界检测155

6.2.8从边界构造区域156

6.3基于区域的分割157

6.3.1区域归并158

6.3.2区域分裂160

6.3.3分裂与归并161

6.3.4分水岭分割163

6.3.5区域增长后处理166

6.4匹配166

6.4.1匹配标准167

6.4.2匹配的控制策略168

6.5分割的评测问题169

6.5.1监督式评测169

6.5.2非监督式评测172

6.6总结172

6.7参考文献175

第7章 分割Ⅱ182

7.1均值移位分割182

7.2活动轮廓模型——蛇行187

7.2.1经典蛇行和气球188

7.2.2扩展191

7.2.3梯度矢量流蛇191

7.3几何变形模型——水平集和测地活动轮廓194

7.4模糊连接性200

7.5面向基于3D图的图像分割204

7.5.1边界对的同时检测205

7.5.2次优的表面检测208

7.6图割分割209

7.7最优单和多表面分割214

7.8总结223

7.9参考文献224

第8章 形状表示与描述232

8.1区域标识234

8.2基于轮廓的形状表示与描述236

8.2.1链码237

8.2.2简单几何边界表示237

8.2.3边界的傅里叶变换239

8.2.4使用片段序列的边界描述241

8.2.5 B样条表示243

8.2.6其他基于轮廓的形状描述方法245

8.2.7形状不变量245

8.3基于区域的形状表示与描述248

8.3.1简单的标量区域描述248

8.3.2矩251

8.3.3凸包253

8.3.4基于区域骨架的图表示257

8.3.5区域分解259

8.3.6区域邻近图260

8.4形状类别261

8.5总结261

8.6参考文献263

第9章 物体识别270

9.1知识表示270

9.2统计模式识别274

9.2.1分类原理275

9.2.2分类器设置276

9.2.3分类器学习278

9.2.4支持向量机280

9.2.5聚类分析284

9.3神经元网络286

9.3.1前馈网络287

9.3.2非监督学习288

9.3.3 Hopfield神经元网络289

9.4句法模式识别290

9.4.1语法与语言291

9.4.2句法分析与句法分类器293

9.4.3句法分类器学习与语法推导294

9.5作为图匹配的识别295

9.5.1图和子图的同构296

9.5.2图的相似度298

9.6识别中的优化技术299

9.6.1遗传算法300

9.6.2模拟退火302

9.7模糊系统303

9.7.1模糊集和模糊隶属函数304

9.7.2模糊集运算305

9.7.3模糊推理306

9.7.4模糊系统设计与训练308

9.8模式识别中的Boosting方法309

9.9总结311

9.10参考文献314

第10章 图像理解319

10.1图像理解控制策略320

10.1.1并行和串行处理控制320

10.1.2分层控制321

10.1.3自底向上的控制321

10.1.4基于模型的控制321

10.1.5混合的控制策略322

10.1.6非分层控制325

10.2 RANSAC：通过随机抽样一致来拟合326

10.3点分布模型329

10.4活动表观模型337

10.5图像理解中的模式识别方法344

10.5.1基于分类的分割344

10.5.2上下文图像分类346

10.6 Boosted层叠分类器用于快速物体检测349

10.7场景标注和约束传播352

10.7.1离散松弛法353

10.7.2概率松弛法355

10.7.3搜索解释树357

10.8语义图像分割和理解357

10.8.1语义区域增长358

10.8.2遗传图像解释360

10.9隐马尔可夫模型365

10.9.1应用369

10.9.2耦合的HMM370

10.9.3贝叶斯信念网络371

10.10高斯混合模型和期望最大化372

10.11总结378

10.12参考文献380

第11章3D视觉和几何389

11.1 3D视觉任务389

11.1.1 Marr理论391

11.1.2其他视觉范畴：主动和有目的的视觉392

11.2射影几何学基础393

11.2.1射影空间中的点和超平面394

11.2.2单应性395

11.2.3根据对应点估计单应性397

11.3单透视摄像机400

11.3.1摄像机模型400

11.3.2齐次坐标系中的投影和反投影402

11.3.3从已知场景标定一个摄像机403

11.4从多视图重建场景403

11.4.1三角测量403

11.4.2射影重建404

11.4.3匹配约束405

11.4.4光束平差法406

11.4.5升级射影重建和自标定407

11.5双摄像机和立体感知408

11.5.1极线几何学——基本矩阵408

11.5.2摄像机的相对运动——本质矩阵410

11.5.3分解基本矩阵到摄像机矩阵411

11.5.4从对应点估计基本矩阵411

11.5.5双摄像机矫正结构412

11.5.6矫正计算414

11.6三摄像机和三视张量415

11.6.1立体对应点算法417

11.6.2距离图像的主动获取421

11.7由辐射测量到3D信息423

11.7.1由阴影到形状423

11.7.2光度测量立体视觉426

11.8总结427

11.9参考文献428

第12章 3D视觉的应用433

12.1由X到形状433

12.1.1由运动到形状433

12.1.2由纹理到形状437

12.1.3其他由X到形状的技术439

12.2完全的3D物体440

12.2.1 3D物体、模型以及相关问题440

12.2.2线条标注441

12.2.3体积表示和直接测量443

12.2.4体积建模策略444

12.2.5表面建模策略446

12.2.6为获取完整3D模型的面元标注与融合447

12.3基于3D模型的视觉451

12.3.1一般考虑451

12.3.2Goad算法452

12.3.3基于模型的亮度图像曲面物体识别455

12.3.4基于模型的距离图像识别456

12.4 3D场景的2D视图表达456

12.4.1观察空间456

12.4.2多视图表达和示象图457

12.4.3作为2D视图结构化表达的几何基元457

12.4.4利用存储的2D视图显示3D真实世界场景458

12.5实例研究——由未组织的2D视图集重建3D460

12.6总结463

12.7参考文献464

第13章 数学形态学470

13.1形态学基本概念470

13.2形态学四原则471

13.3二值膨胀和腐蚀472

13.3.1膨胀472

13.3.2腐蚀474

13.3.3击中击不中变换476

13.3.4开运算和闭运算476

13.4灰度级膨胀和腐蚀477

13.4.1顶面、本影、灰度级膨胀和腐蚀477

13.4.2本影同胚定理和膨胀、腐蚀及开、闭运算的性质479

13.4.3顶帽变换480

13.5骨架和物体标记481

13.5.1同伦变换481

13.5.2骨架和最大球481

13.5.3细化、粗化和同伦骨架482

13.5.4熄灭函数和最终腐蚀485

13.5.5最终腐蚀和距离函数486

13.5.6测地变换487

13.5.7形态学重构488

13.6粒度测定法489

13.7形态学分割与分水岭491

13.7.1粒子分割、标记和分水岭491

13.7.2二值形态学分割491

13.7.3灰度级分割和分水岭493

13.8总结494

13.9参考文献495

第14章 图像数据压缩497

14.1图像数据性质498

14.2图像数据压缩中的离散图像变换498

14.3预测压缩方法500

14.4矢量量化502

14.5分层的和渐进的压缩方法502

14.6压缩方法比较503

14.7其他技术504

14.8编码504

14.9JPEG和MPEG图像压缩505

14.9.1 JPEG——静态图像压缩505

14.9.2 JPEG-2000压缩506

14.9.3 MPEG——全运动的视频压缩508

14.10总结509

14.11参考文献511

第15章 纹理514

15.1统计纹理描述516

15.1.1基于空间频率的方法516

15.1.2共生矩阵517

15.1.3边缘频率519

15.1.4基元长度（行程）520

15.1.5Laws纹理能量度量521

15.1.6分形纹理描述521

15.1.7多尺度纹理描述——小波域方法522

15.1.8其他纹理描述的统计方法525

15.2句法纹理描述方法526

15.2.1形状链语法526

15.2.2图语法527

15.2.3分层纹理中的基元分组528

15.3混合的纹理描述方法530

15.4纹理识别方法的应用531

15.5总结531

15.6参考文献532

第16章 运动分析537

16.1差分运动分析方法539

16.2光流542

16.2.1光流计算542

16.2.2全局和局部光流估计544

16.2.3局部和全局相结合的光流估计546

16.2.4运动分析中的光流546

16.3基于兴趣点对应关系的分析549

16.3.1兴趣点的检测549

16.3.2兴趣点的对应关系549

16.4特定运动模式的检测551

16.5视频跟踪554

16.5.1背景建模554

16.5.2基于核函数的跟踪558

16.5.3目标路径分析562

16.6辅助跟踪的运动模型566

16.6.1卡尔曼滤波器567

16.6.2粒子滤波器570

16.7总结573

16.8参考文献575

词汇581