 |
-- 會員 / 註冊 --
|
 |
|
|
|
計算機視覺特征提取與圖像處理（第三版） ( 簡體 字) |
| 作者：楊高波,李實英 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 40332
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：11/1/2014 |
| 頁數：424 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121246463 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：譯 者 序
人類在認知和理解周圍環境的過程中， 70%以上的信息都是通過眼睛獲取的。這樣， 視覺信息在計算機視覺和模式識別等領域體現為對圖像（包括視頻）的分析和理解。例如， 目標檢測與跟蹤、 異常行為識別與分析等計算機視覺領域的典型應用， 它們的基礎內容和關鍵步驟都是特征提取和圖像處理。
本書是由英國南安普敦大學的Mark Nixon教授和Sportradar公司的Alberto S. Aguado在前版的基礎上推出的改版之作（第三版）。該書自2006年4月出版第一版起， 就受到了讀者的廣泛好評， 并于2008年6月出版第二版。2010年， 受電子工業出版社委托， 我們組織翻譯了本書第二版。中文版同樣受到了讀者的廣泛好評， 短短兩年的印量已突破1萬冊。
相對于第二版， 本書的主要變化包括： 將高級特征提取劃分為固定形狀匹配與可變形形狀分析兩部分， 并且增加了新一章內容（第9章）： 運動對象檢測與描述。此外， 其他的章節或者增加了少量新內容， 或者修正了英文原著中的個別錯誤。因此， 第三版的質量更高。總體上看， 本書具有以下幾個特色。
首先， 本書的內容全面、 重點突出。在簡要介紹計算機視覺的基礎概念和基本的圖像處理運算后， 重點討論了低級和高級的特征提取， 包括邊緣檢測、 固定形狀匹配和可變形形狀分析。此外， 對目標描述， 紋理描述、 分割及分類， 以及運動對象檢測等都進行了深入的闡述。它突出了計算機視覺的主要問題——特征提取， 以清晰、 簡潔的語言， 闡述了圖像處理和計算機視覺的基礎理論與技術。
其次， 本書的適用面廣。它適合于電子工程、 計算機科學、 計算機工程等專業的本科生作為教材使用， 也適合于從事圖像及視頻信號處理、 模式識別和計算機視覺等研究方向的博士、 研究生閱讀， 也可以作為相關專業的科研工作者參考用書。
再次， 本書提供了部分有參考價值的代碼和偽代碼。特別是， 書中提供的一些C語言或MATLAB語言的源代碼， 可以方便工程應用時參考使用， 尤其適合于高校的博士、 碩士研究生進行算法學習與研究時參考使用。
當然， 特征提取是圖像模式識別和計算機視覺領域的研究熱點， 各種新算法和技術層出不窮。本書只提供了迄今為止本領域技術水平的諸多基礎內容。盡管如此， 譯者仍然認為， 本書是一本不可多得的好教材。
全書由湖南大學楊高波和李實英分工翻譯。其中， 本書的第1章至第4章和第6章至第8章由李實英翻譯， 前言、 第5章和第9章由楊高波翻譯， 全部附錄（第10—13章）由夏明、 陳日超、 蔣琴、 陳寧、 吳瀟和向仁華共同完成初稿翻譯， 楊高波進行潤色。全書由李仁發教授審校。
把一種語言表達轉換成另一種語言是一件困難的事情。看似很直白的一個詞雖然不難理解其詞義， 但是轉換語言進行表達時往往需要煞費苦心。本書作者語言詼諧， 行文有較多的口語化表達， 理解起來較為困難。此外， 還有大量過長的句子。在翻譯過程中， 譯者力求忠實地傳達書中所介紹的技術內容， 并保持作者的行文風格， 在此基礎上盡可能通俗易懂。但是， 我們出于教材的篇幅和嚴謹性考慮， 在翻譯中進行了少量的簡化， 感興趣的讀者可以對照閱讀本書的英文版（已由電子工業出版社出版， ISBN： 978拟7拟121拟19527拟3）。
值得說明的是， 雖然我們盡量吸收了讀者對于本書第二版中文翻譯的一些意見和建議， 并對全文的翻譯重新進行了潤飾， 但是由于時間倉促及譯者水平和經驗的不足， 本書離“信、 達、 雅”的翻譯原則仍有較大差距， 甚至仍然難免存在一些不當之處， 懇請讀者提出寶貴的意見， 特別是對于一些專業術語翻譯的建議。譯者的聯系郵箱為yang.gaobo@hnu.edu.cn， 我們將認真做好記錄， 并盡可能在重印或再版時進行修訂。
廣大讀者對于中文版的厚愛和電子工業出版社的肯定， 是我們再次翻譯第三版的最大動力。本書在翻譯過程中， 得到了許多人士的幫助。電子工業出版社馬嵐編輯策劃了本書的出版， 并對翻譯過程的一些細節進行了指導。在中文第一版翻譯過程中， 趙鵬玉、 肖志鵬、 牛志國、 尚學智、 米超、 張然、 趙林詳、 陳日超、 蔣琴、 陳寧、 吳瀟和向仁華等參與了部分工作。對此， 譯者一并深表感謝。
譯 者
2013年9月于長沙岳麓山
前 言
第3版的“新”是什么
圖像處理與計算機視覺已經受到， 并且將持續受到許多研究與開發的影響。新的研究成果已整理成書， 因此本書也需要更新改版。我們一直提到， 書中包含了一些在其他正規的教材中尚未出現的圖像處理與計算機視覺技術（確實如此， 也許一些內容已經出現在某些專著中， 但是這些專著很少包括一些基礎性知識）。對于本書以前的版本， 這是正確的， 可以確定本版仍將如此。
在本版中， 全新的內容是低級與高級特征提取與描述的新方法， 以及運動目標檢測、跟蹤與描述。我們還擴展了本書， 通過更先進的技術進行目標提取與描述， 特別是強調了小波與尺度空間。當然， 我們修正了以前版本的一些出版錯誤， 并且在合適的地方引入了一些基礎性的材料， 更新了參考文獻， 特別是包含了更新的綜述與性能比較的資料。因此， 本書仍然是更新的、面向計算機視覺的特征提取與圖像處理教材。
為什么寫這本書
我們總是期望被問到， “究竟為什么寫一本關于計算機視覺的新書？”， 我們也確實是這樣被問的。一個普遍性的問題是：“既然在書店中已有很多關于計算機視覺的好書， 正如后面即將引用的那些， 為何還要再寫一本呢？”這個問題的部分答案是任何教材都是此前已有資料的快照。計算機視覺， 作為一門利用計算機處理圖像的藝術， 已經有眾多高水平的研究人員在此領域進行了相當多的研究， 并且近年來仍在增長。這意味著， 已經發展了許多新的技術， 并且許多新的技術有待于遷移到教材中。但是， 它并不只是新研究：計算機視覺領域技術的部分快速進展， 仍然遺留了一些缺乏細節的領域。從研究的本質看， 一個人不可能出版那些看上去只是填補歷史缺陷， 而不推動知識進步的技術資料。這就是為什么一本新的教材仍然能夠對計算機視覺的深化有所貢獻的原因。
最后， 技術本身繼續進步。這意味著， 有新的硬件、新的編程語言、新的編程環境出現。特別是對于計算機視覺， 技術的進步意味著計算能力、內存等現在變得相對便宜。可以肯定， 比起計算機視覺剛成為一個研究領域時， 它們現在更為便宜。作者之一在這里注意到， 用來寫作本書的筆記本電腦比他讀大學整個階段所使用的臺式機都具有更多的內存， 更快的速度， 更大的磁盤空間和更好的圖形能力。然而， 作者本人并不太老。近年來， 由于技術進步所帶來的一個更有利的變化是數學編程系統的發展。這些進步允許我們關注于數學本身， 而不是實現的細節。有幾個更“尖端”的工具軟件， 例如本書所選用的MATLAB就是最流行的。我們已經在教學和科學研究中廣泛地使用， 而且我們認為它在那里起了相當重要的作用。在研究工作中， 它們幫助我們更快地發展新的技術， 并且評價它的最終實現， 對于教學工作， 現代便攜式計算機和數學系統在教學中聯合展示給學生， 不僅包括這些技術是如何實現的， 而且包括如何以及為什么它們與傳統的教學資料一起， 以明確的關系共同起作用。
基于上述原因， 我們編寫了本書。有大量的資料本來可以包括進來， 但我們選擇了忽略。用于全面展示學科的分類與結構， 是我們自己構造的。如果那些我們選擇忽略的技術是你們的工作或者你們所喜歡的工作， 對此我們很抱歉。由于計算機視覺領域涉及面相當廣， 本書僅限于計算機視覺領域的圖像處理與特征提取。原因在于， 圖像處理與特征提取不僅是我們研究工作的重點， 也是其他的一些已經出版的同類教材所關注的。當然， 也有例外， 但是相當少。然而， 它是計算機視覺應用的主要目標之一。我們旨在澄清它的一些起源和發展， 同時揭示使用數學系統的實現。正因如此， 我們心里懷揣著最初的目標重新編寫了本書， 并且在后續的版本仍然保留這樣的想法。
本書與支持
本書的每一章都提供了圖像處理與計算機視覺的特征提取所涉及的特定信息包。每個信息包都是在原稿的基礎上， 通過參考更新的資料完成的。自然地， 在討論具體的實現之前， 通常需要關注理論上的發展。我們提供了我們所描述的絕大多數技術的實現， 并應用到選定的圖像集的處理。盡管我們工作的重點更多地放在醫學圖像的分析或者生物信息學（一門通過人的行為或心理特征識別人的科學， 類似于人臉識別）， 這些技術都是通用性的， 可以移植到其他的應用領域。
讀者可以在本書的支持網站（http://www.ecs.soton.ac.uk/~msn/book/）找到大量的進一步支持信息。首先， 可以得到與本書配套的工作表單（支持本教材的MATLAB和Mathcad實現）， 以便讀者可以學習本書所描述的技術。那里， 還有演示網站。該網站將會盡可能地保持持續更新， 因為它還包括了一些其他資料的鏈接， 如關于技術、應用以及可得到的軟件、在線文獻的資料。最后， 在網站公布全部的勘誤信息。勘誤表的存在， 是我們的遺憾和責任。如果你找到了我們所不知道的錯誤（不是指拼寫、語法和排版等錯誤）， 請直接使用網站上的mailto給我們發郵件， 我們將非常感謝。
本書包含了一定數量的數學內容， 它的目標讀者群是電氣及電子工程， 軟件工程， 計算機科學， 以及數學或物理專業的高年級本科生和碩士研究生。計算機視覺可以被認為是應用數學的一個分支。實際上， 這里涉及的數學主要有微積分學和幾何學， 盡管它可能比傳統的課程講授更加詳細一些。可以肯定， 這里所使用的資料并不是都可以在南安普敦的大學課程里全部覆蓋到的。
第1章從計算機視覺的硬件、軟件和已有資料的綜述開始， 并且參考了有待進一步發展的、更復雜的視覺系統：人類視覺系統。盡管關于處理本質的確切細節仍然有待深化， 它仍然包含了相當大范圍的硬件和軟件， 以便一個計算機系統具備捕獲、處理和推理的能力。第1章還提供了一個關于本主題資料的綜合性書目， 不僅包括教材， 還有可用的軟件和其他材料。毫無疑問， 它們將會發生變化， 有必要查詢本書網站得到最全面的信息。建議的雜志參考資料是那些在當地的大學圖書館或網絡上易于找到的， 特別是IEEE專刊。由于價格相對低廉， 質量通常很高， 它們通常會被圖書館訂閱。
第2章是計算機視覺用到的信號處理理論的基礎知識。引入傅里葉變換， 從而允許以一種新的方式， 從其頻率內容來觀察一個信號。它還允許我們找出最小化的圖像， 同時保持信息并從頻率的角度分析內容， 甚至有助于提速后述的一些計算機視覺算法。遺憾的是， 它確實涉及少量的公式， 但是它是觀察數據和信號的一種新方式， 并且已證明是一個富有收獲的學習主題。它擴展了圖像處理的一種流行分析工具， 即小波分析。
第3章是從圖像處理技術的基礎開始的。首先， 考慮原始圖像的每一個像素， 然后通過考慮像素組， 將圖像的每個像素映射到一個新值。不僅包括通過常見的處理， 改善圖像的視覺效果， 特別是對于人眼的視覺效果， 還包括如何減弱經常遇到的不同類型的圖像噪聲的方法。此外， 還將介紹一些更新的方式去除噪聲以得到“干凈”的圖像， 以及采用形狀的概念處理圖像， 而不是映射過程。
第4章是低級的特征， 那些從整幅圖像而不是顯著區域的層次描述圖像內容的技術。最重要的過程之一就是邊緣檢測。本質上， 這是將圖像縮減為一種漫畫式骨骼化（caricaturist’s sketch）的形式， 盡管沒有漫畫的夸張表現。本章對于主要的邊緣檢測技術都進行了詳細介紹， 包括關于實現的描述。可以得到的其他圖像屬性， 包括已發展為現代特征提取方法的曲率測量和矩的測量， 都涵蓋在本章中。
這些邊緣、曲率或者運動需要按照某種方式組織到一起， 以便能夠從一幅圖像中找到形狀。這些內容將在第5章描述。使用簡單的閾值處理， 極少能夠滿足形狀提取的要求。一種最新的方法是將低級特征組合在一起尋找目標——通過這種方式提取對象（沒有形狀約束）。另一種方法是形狀提取， 涉及分析低級信息， 并與目標形狀的已知模板進行匹配。因為該方法計算量很大， 從而需要尋求一種既可以改善計算性能， 又同時保持優化性能的方法。該方法就是我們所熟知的霍夫（Hough）變換。長期以來， 霍夫變換是計算機視覺領域學者的一個受歡迎的研究主題， 本書旨在弄清它的基礎、改善它的速度以及增強它的準確性和魯棒性。實際上， 利用霍夫變換， 我們可以估計那些控制形狀的外觀參數， 形狀包括直線、橢圓， 甚至是未知的形狀。
在第6章， 形狀提取的一些應用除了要求確定控制外觀的參數以外， 還要求變形(deform)或者彎曲(flex)的能力， 以匹配圖像模板。因為這個原因， 緊接著第5章基于匹配的形狀提取， 是靈活的形狀分析。這是一個已經具有相當多進展的主題， 特別是引入Snake(主動輪廓, active contour)的概念以后。新的技術資料是基于水平集(level set)的表達， 它為形狀提取帶來了新的動力。這些方法尋求通過分析局部屬性， 尋求與圖像中的形狀匹配的方法。并且， 我們將會看到如何利用骨架描述形狀（盡管具有實際的困難， 但可以借助對稱性緩解）， 以及涉及形狀外觀統計的全局約束如何被用來指導最終的形狀提取。
至此， 我們仍然沒有考慮那些可以用于描述一幅圖像中已找到的形狀的方法。在第7章， 將會發現有兩種主要的方法， 涉及描述某形狀的周長和面積。一些周長描述方法， 如傅里葉描述算子(Fourier descriptor)， 依賴于分析它們頻率內容（frequency content）的傅里葉變換理論。面積描述的主要方法之一是統計矩。盡管與傅里葉分析具有明顯不同的本質， 統計矩也是一種訪問頻率成分的形式。一種優勢在于：對描述能力的洞察可以通過重構來實現， 而重構應該還原到原始的形狀。
第8章描述了紋理分析， 也同時作為模式分類的入門知識介紹。紋理是描述沒有已知分析描述的模式。它已經成為計算機視覺和圖像處理領域相當多研究工作的目標。將它放在這里， 更多是作為前面介紹的傅里葉變換和面積描述算子的一種鋪墊， 參考文獻提供了一些其他的通用資料。此外， 還有一些關于如何對已知數據分類這些模式的入門資料。這些只是作為一個更廣泛領域的一個小窗口。
最后， 第9章涉及運動目標的檢測與分析。運動目標是通過與把前景與背景分離而檢測到的， 這就是眾所周知的背景減方法。分離運動的組件后， 一種方法是在圖像幀序列的范圍內跟隨或者跟蹤目標。運動目標可以通過跟蹤信息或者通過搜集幀序列進行描述和識別， 從而得到運動對象描述。
附錄部分包括那些與本書密切相關的資料， 例如攝像機模型、坐標幾何、最小二乘方法、主成分分析方法和色彩描述方法。它們都只是提供了一些簡單的介紹。考慮到它們與本書內容密切相關， 但不適合作為正文內容， 就把它們作為了附錄。其他的相關資料， 特別是在線資料， 在整個正文中都進行了引用。
通過這種方式， 本書覆蓋了計算機視覺圖像處理與特征提取的所有主要領域。然而， 與在本書所介紹到的內容相比， 仍然有相當多的資料沒有包括進來。例如， 有大量的三維計算機視覺和二維信號處理的材料， 在本書中僅僅被提及。那些本書特意未包括的內容有三維處理、水印和圖像編碼。涵蓋所有內容將會導致一本無人買得起和拿得動的怪書! 因此， 我們承認本書只是一個“快照”， 但是我們希望它被認為是為如此引人入勝和具有豐厚回報的領域打開了另一扇窗。
致謝
非常感謝我們的同事， 特別是Steve Gunn教授， John Carter博士和Sasan Mahmoodi博士， Maria Eugenia。此外， 我們還非常感謝南安普敦大學電子與計算機科學學院Mark教授領導的信息：信號、圖像與系統(ISIS)研究組計算機視覺領域的那些過去和現在的研究人員。除了包括Alberto和Steve， 還有Hani Muammar博士， Xiaoguang Jia教授， Yan Qiu Chen教授， Adrian Evans博士， Colin Davies博士， Mark Jones博士， David Cunado博士, Jason Nash博士, Ping Huang博士, Liang Ng博士, David Benn博士, Douglas Bradshaw博士, David Hurley博士, John Manslow博士, Mike Grant博士, Bob Roddis， Andrew Tatem博士, Karl Sharman博士, Jamie Shutler博士, Jun Chen博士， Andy Tatem博士， Chew拟Yean Yam博士， James Hayfron拟Acquah博士， Yalin Zheng博士, Jeff Foster博士, Peter Myerscough博士, David Wagg博士, Ahmad Al拟Mazeed博士, Jang拟Hee Yoo博士, Nick Spencer博士, Stuart Mowbray博士, Stuart Prismall博士, Peter Gething博士, Mike Jewell博士， David Wagg博士， Alex Bazin博士, Hidayah Rahmalan, Xin Liu博士, Imed Bouchrika博士, Banafshe Arbab拟Zavar博士, Dan Thorpe博士, Cem Direkoglu, Sina Samangooei博士, John Bustard博士, Alastair Cummings, Mina Ibrahim, Muayed Al拟Huseiny, Gunawan Ariyanto, Sung拟Uk Jung, Richard Lowe, Dan Reid, George Cushen, Nick Udell, Ben Waller, Anas Abuzaina, Mus’ab Sahrim, Ari Rheum, Thamer Alathari, Tim Matthews和John Evans(提供了河馬的照片)， Jamie Hutton和Ben Dowling, Sina(提供了Java演示網站)。我們還感謝Mark的博士后， 除了那些已經提到的， 還有Hugh Lewis博士, Richard Evans博士, Lee Middleton博士, Galina Veres博士, Baofeng Guo博士, Michaela Goffredo博士。我們還感謝那些已從南安普敦大學電子工程專業本科與碩士、信息工程專業碩士畢業、計算機工程專業本科和碩士畢業、軟件工程專業碩士畢業、計算機科學專業本科畢業的學生們。他們指出了本書的早期錯誤、一些需要澄清的部分以及在某些情況下志愿提供了本書的一些材料。除了南安普敦大學外， 我們仍然對三個版本的編輯， 對那些寫了并提出了有幫助的建議的人， 對Daniel Cremers教授， Timor Kadir博士和Tim Cootes教授， Larry Davis教授， Pedro Felzenszwalb博士， Luc van Gool教授和Aaron Bobick教授都心存感激， 因為他們對本書的關注與改進和（或者）允許使用他們的圖像。上述各位， 我們特別感謝!
最后的話
我們自己也已經從撰寫本書的過程中收獲良多。正如我們所知， 以前的學生已經獲益， 也對本書有所貢獻。我們仍然希望， 它能夠激勵人們投入到這樣一個引人入勝、 富有回報的學科。對于許多工作者而言， 它已經證明是快樂與靈感的源泉。
Mark S.Nixon
南安普敦大學電子與計算機科學系
Alberto S.Aguado
Sportradar公司
作者簡介
Mark S. Nixon是英國南安普敦大學計算機視覺系教授。他的研究興趣包括圖像處理與計算機視覺。他的團隊開發了用于生物信息學與醫療圖像分析的靜止與運動形狀提取新技術。他的團隊是自動人臉識別的早期研究者， 后來是步態識別的開拓者， 最近加入了耳生物信息（ear biometrics）的研究。與譚鐵牛和Rama Chellappa合作， 他們于2005年出版的著作《基于步態的身份識別》是斯普林格（Springer）生物信息學專輯的一部分。他是許多國際會議（BMVC 98， AVBPA 03， IEEE人臉與姿態FG 06， ICPR 04, ICB 09與IEEE BTAS 2010）的主席或程序委員會主席， 并做了許多邀請報告。他是IET會士與IAPR會士。
Alberto S.Aguado是Sportradar公司的首席程序員， 開發運動賽事的圖像處理與實時多攝像機三維跟蹤技術。以前， 他曾在Electronic Arts和Black Rock Disney Game Studios任技術運營官（technology programmer）。他還曾在英國薩里大學擔任視覺、聲音與信號處理中心的講師。他在南安普敦大學獲得計算機視覺/圖像處理的博士學位， 并曾在INRIA Phone拟Alpes從事博士后研究。 |
內容簡介：本書是由英國南安普敦大學的Mark S.Nixon教授和Sportradar公司的Alberto S. Aguado在前版的基礎上推出的改版之作。本次改版， 主要的變化是將高級特征提取分為固定形狀匹配與可變形形狀分析兩部分， 并增加了新一章內容： 運動對象檢測與描述。具體地， 本書在簡要介紹計算機視覺的基礎概念和基本的圖像處理運算后， 重點討論了低級和高級的特征提取， 包括邊緣檢測、 固定形狀匹配和可變形形狀分析。此外， 對目標描述， 紋理描述、 分割及分類， 以及運動對象檢測等都進行了深入的闡述。本書突出了計算機視覺的主要問題——特征提取， 以清晰、 簡潔的語言， 闡述了圖像處理和計算機視覺的基礎理論與技術。 |
目錄：第1章 緒論
1.1 概述
1.2 人類視覺和計算機視覺
1.3 人類視覺系統
1.4 計算機視覺系統
1.5 數學系統
1.6 相關資料
1.7 小結
1.8 參考文獻第2章 圖像、 采樣和頻域處理
2.1 概述
2.2 圖像形成
2.3 傅里葉變換
2.4 采樣標準
2.5 離散傅里葉變換
2.6 傅里葉變換的其他特性
2.7 傅里葉以外的其他變換
2.8 頻域特性的應用
2.9 擴展閱讀
2.10參考文獻第3章 基本圖像處理運算
3.1 概述
3.2 直方圖
3.3 點算子
3.4 群運算
3.5 其他統計算子
3.6 數學形態學
3.7 擴展閱讀
3.8 參考文獻第4章 低級特征提取（包括邊緣檢測）
4.1 概述
4.2 邊緣檢測
4.3 相位一致性
4.4 定位特征提取
4.5 描述圖像運動
4.6 擴展閱讀
4.7 參考文獻第5章 形狀匹配的特征提取
5.1 概述
5.2 閾值處理和背景減法
5.3 模板匹配
5.4 低級特征提取
5.5 霍夫變換
5.6 擴展閱讀
5.7 參考文獻第6章 高級特征提取： 可變形形狀分析
6.1 概述
6.2 可變形形狀分析
6.3 主動輪廓（蛇模型）
6.4 形狀骨架化
6.5 彈性形狀模型——主動形狀和主動外觀
6.6 擴展閱讀
6.7 參考文獻第7章 目標描述
7.1 概述
7.2 邊界描述
7.3 區域描述符
7.4 擴展閱讀
7.5 參考文獻第8章 紋理描述、 分割和分類基礎
8.1 概述
8.2 什么是紋理
8.3 紋理描述
8.4 分類
8.5 分割處理
8.6 擴展閱讀
8.7 參考文獻第9章 運動對象檢測與描述
9.1 概述
9.2 運動對象檢測
9.3 跟蹤運動特征
9.4 運動特征提取與描述
9.5 擴展閱讀
9.6 參考文獻第10章 附錄1： 照相機幾何基礎
10.1 圖像幾何
10.2 透視照相機
10.3 透視照相機模型
10.4 仿射照相機
10.5 弱透視模型
10.6 照相機模型實例
10.7 討論
10.8 參考文獻第11章 附錄2： 最小二乘分析
11.1 最小二乘準則
11.2 最小二乘曲線擬合第12章 附錄3： 主成分分析
12.1 主成分分析
12.2 數據
12.3 協方差
12.4 協方差矩陣
12.5 數據變換
12.6 逆變換
12.7 特征值問題
12.8 求解特征值問題
12.9 PCA方法小結
12.10實例
12.11參考文獻第13章 附錄4： 彩色圖像
13.1 彩色圖像
13.2 三刺激理論
13.3 色彩模型
13.4 參考文獻 |
| 序： |
|
