☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

　　（1）涵蓋十分廣泛的領域，包括人工智能、信號處理、人工神經網絡、模式識彆、機器學習、模糊數學等一係列相關學科。
　　（2）圖將復雜的概念通過具體示例用易於理解的算法來描述，提供瞭大量包含圖示和處理結果的插圖，特彆有助於讀者的學習和理解。
　　（3）提供瞭豐富的參考文獻，既列齣瞭經過時間考驗的經典論文，也列齣瞭能反映未來發展方嚮的新進展，適於讀者進一步深入探索。

內容簡介

　　本書是英文第4版的中文翻譯，大約有五分之一的內容更新。主要更新的內容包括：增加瞭一些新的算法，增加瞭習題部分，重寫瞭部分內容。更為具體的內容更新請參考作者序。本書是在第3版中文翻譯的基礎上，按照直譯的原則進行翻譯的，與英文版形成完全的對照。對於英文版中明顯存在的排印或疏忽類的錯誤，都進行瞭更正。由於這些錯誤一般都很明顯，因此譯文中沒有專門聲明，讀者如果對照英文版，不難看齣其齣處。

目錄

第1章 引言 1
1.1 動機 1
1.2 計算機視覺為什麼是睏難的 2
1.3 圖像錶達與圖像分析的任務 4
1.4 總結 7
1.5 習題 7
1.6 參考文獻 8
第2章 圖像及其錶達與性質 9
2.1 圖像錶達若乾概念 9
2.2 圖像數字化 11
2.2.1 采樣 11
2.2.2 量化 12
2.3 數字圖像性質 13
2.3.1 數字圖像的度量和拓撲性質 13
2.3.2 直方圖 17
2.3.3 熵 18
2.3.4 圖像的視覺感知 18
2.3.5 圖像品質 20
2.3.6 圖像中的噪聲 21
2.4 彩色圖像 22
2.4.1 色彩物理學 22
2.4.2 人所感知的色彩 23
2.4.3 彩色空間 26
2.4.4 調色闆圖像 28
2.4.5 顔色恒常性 28
2.5 攝像機概述 29
2.5.1 光敏傳感器 29
2.5.2 黑白攝像機 30
2.5.3 彩色攝像機 32
2.6 總結 32
2.7 習題 33
2.8 參考文獻 35
第3章 圖像及其數學與物理背景 37
3.1 概述 37
3.1.1 綫性 37
3.1.2 狄拉剋（Dirac）分布和捲積 37
3.2 積分綫性變換 38
3.2.1 作為綫性係統的圖像 39
3.2.2 積分綫性變換引言 39
3.2.3 1D傅裏葉變換 39
3.2.4 2D傅裏葉變換 43
3.2.5 采樣與香農約束 45
3.2.6 離散餘弦變換 47
3.2.7 小波變換 48
3.2.8 本徵分析 52
3.2.9 奇異值分解 53
3.2.10 主分量分析 54
3.2.11 Radon變換 56
3.2.12 其他正交圖像變換 56
3.3 作為隨機過程的圖像 57
3.4 圖像形成物理 59
3.4.1 作為輻射測量的圖像 59
3.4.2 圖像獲取與幾何光學 60
3.4.3 鏡頭像差和徑嚮畸變 63
3.4.4 從輻射學角度看圖像獲取 65
3.4.5 錶麵反射 67
3.5 總結 69
3.6 習題 70
3.7 參考文獻 71
第4章 圖像分析的數據結構 73
4.1 圖像數據錶示的層次 73
4.2 傳統圖像數據結構 74
4.2.1 矩陣 74
4.2.2 鏈 76
4.2.3 拓撲數據結構 76
4.2.4 關係結構 77
4.3 分層數據結構 78
4.3.1 金字塔 78
4.3.2 四叉樹 79
4.3.3 其他金字塔結構 80
4.4 總結 81
4.5 習題 82
4.6 參考文獻 83
第5章 圖像預處理 85
5.1 像素亮度變換 85
5.1.1 位置相關的亮度校正 85
5.1.2 灰度級變換 86
5.2 幾何變換 88
5.2.1 像素坐標變換 88
5.2.2 亮度插值 89
5.3 局部預處理 91
5.3.1 圖像平滑 91
5.3.2 邊緣檢測算子 97
5.3.3 二階導數過零點 100
5.3.4 圖像處理中的尺度 104
5.3.5 Canny邊緣提取 105
5.3.6 參數化邊緣模型 107
5.3.7 多光譜圖像中的邊緣 107
5.3.8 頻域的局部預處理 108
5.3.9 用局部預處理算子作綫檢測 112
5.3.10 角點（興趣點）檢測 113
5.3.11 最大穩定極值區域檢測 116
5.4 圖像復原 117
5.4.1 容易復原的退化 118
5.4.2 逆濾波 118
5.4.3 維納濾波 118
5.5 總結 120
5.6 習題 121
5.7 參考文獻 126
第6章 分割Ⅰ 130
6.1 閾值化 130
6.1.1 閾值檢測方法 132
6.1.2 最優閾值化 133
6.1.3 多光譜閾值化 135
6.2 基於邊緣的分割 136
6.2.1 邊緣圖像閾值化 137
6.2.2 邊緣鬆弛法 138
6.2.3 邊界跟蹤 139
6.2.4 作為圖搜索的邊緣跟蹤 143
6.2.5 作為動態規劃的邊緣跟蹤 149
6.2.6 Hough變換 152
6.2.7 使用邊界位置信息的邊界
???檢測 157
6.2.8 從邊界構造區域 157
6.3 基於區域的分割 159
6.3.1 區域歸並 160
6.3.2 區域分裂 161
6.3.3 分裂與歸並 162
6.3.4 分水嶺分割 165
6.3.5 區域增長後處理 167
6.4 匹配 167
6.4.1 模版匹配 168
6.4.2 模版匹配的控製策略 170
6.5 分割的評測問題 170
6.5.1 監督式評測 171
6.5.2 非監督式評測 173
6.6 總結 174
6.7 習題 176
6.8 參考文獻 178
第7章 分割Ⅱ 185
7.1 均值移位分割 185
7.2 活動輪廓模型——蛇行 190
7.2.1 經典蛇行和氣球 191
7.2.2 擴展 193
7.2.3 梯度矢量流蛇 194
7.3 幾何變形模型——水平集和測地
?? 活動輪廓 198
7.4 模糊連接性 203
7.5 麵嚮基於3D圖的圖像分割 208
7.5.1 邊界對的同時檢測 208
7.5.2 次優的錶麵檢測 211
7.6 圖割分割 212
7.7 最優單和多錶麵分割 217
7.8 總結 227
7.9 習題 228
7.10 參考文獻 229
第8章 形狀錶示與描述 237
8.1 區域標識 239
8.2 基於輪廓的形狀錶示與描述 241
8.2.1 鏈碼 241
8.2.2 簡單幾何邊界錶示 242
8.2.3 邊界的傅裏葉變換 245
8.2.4 使用片段序列的邊界描述 246
8.2.5 B樣條錶示 249
8.2.6 其他基於輪廓的形狀描述
???方法 250
8.2.7 形狀不變量 251
8.3 基於區域的形狀錶示與描述 253
8.3.1 簡單的標量區域描述 254
8.3.2 矩 257
8.3.3 凸包 259
8.3.4 基於區域骨架的圖錶示 262
8.3.5 區域分解 266
8.3.6 區域鄰近圖 267
8.4 形狀類彆 268
8.5 總結 268
8.6 習題 270
8.7 參考文獻 272
第9章 物體識彆 278
9.1 知識錶示 278
9.2 統計模式識彆 281
9.2.1 分類原理 282
9.2.2 最近鄰 283
9.2.3 分類器設置 285
9.2.4 分類器學習 287
9.2.5 支持嚮量機 288
9.2.6 聚類分析 291
9.3 神經元網絡 293
9.3.1 前饋網絡 294
9.3.2 非監督學習 295
9.3.3 Hopfield神經元網絡 296
9.4 句法模式識彆 297
9.4.1 語法與語言 298
9.4.2 句法分析與句法分類器 300
9.4.3 句法分類器學習與語法推導 301
9.5 作為圖匹配的識彆 302
9.5.1 圖和子圖的同構 303
9.5.2 圖的相似度 305
9.6 識彆中的優化技術 306
9.6.1 遺傳算法 307
9.6.2 模擬退火 308
9.7 模糊係統 309
9.7.1 模糊集和模糊隸屬函數 310
9.7.2 模糊集運算 311
9.7.3 模糊推理 312
9.7.4 模糊係統設計與訓練 314
9.8 模式識彆中的Boosting方法 315
9.9 隨機森林 317
9.9.1 隨機森林訓練 318
9.9.2 隨機森林決策 321
9.9.3 隨機森林擴展 322
9.10 總結 322
9.11 習題 325
9.12 參考文獻 330
第10章 圖像理解 335
10.1 圖像理解控製策略 336
10.1.1 並行和串行處理控製 336
10.1.2 分層控製 337
10.1.3 自底嚮上的控製 337
10.1.4 基於模型的控製 337
10.1.5 混閤的控製策略 338
10.1.6 非分層控製 341
10.2 SIFT：尺度不變特徵轉換 342
10.3 RANSAC：通過隨機抽樣一緻來
???擬閤 344
10.4 點分布模型 347
10.5 活動錶觀模型 355
10.6 圖像理解中的模式識彆方法 362
10.6.1 基於分類的分割 362
10.6.2 上下文圖像分類 364
10.6.3 梯度方嚮直方圖-HOG 367
10.7 Boosted層疊分類器用於快速物體
???檢測 370
10.8 基於隨機森林的圖像理解 372
10.9 場景標注和約束傳播 377
10.9.1 離散鬆弛法 378
10.9.2 概率鬆弛法 379
10.9.3 搜索解釋樹 381
10.10 語義圖像分割和理解 382
10.10.1 語義區域增長 383
10.10.2 遺傳圖像解釋 384
10.11 隱馬爾可夫模型 390
10.11.1 應用 394
10.11.2 耦閤的HMM 394
10.11.3 貝葉斯信念網絡 395
10.12 馬爾科夫隨機場 397
?10.12.1 圖像和視覺的應用 398
10.13 高斯混閤模型和期望最大化 399
10.14 總結 404
10.15 習題 407
10.16 參考文獻 410
第11章 3D幾何，對應，從亮度到3D 419
11.1 3D視覺任務 419
11.1.1 Marr理論 421
11.1.2 其他視覺範疇：主動和
有目的的視覺 422
11.2 射影幾何學基礎 423
11.2.1 射影空間中的點和超平麵 424
11.2.2 單應性 426
11.2.3 根據對應點估計單應性 427
11.3 單透視攝像機 430
11.3.1 攝像機模型 430
11.3.2 齊次坐標係中的投影和
反投影 432
11.3.3 從已知場景標定一個
攝像機 432
11.4 從多視圖重建場景 433
11.4.1 三角測量 433
11.4.2 射影重建 434
11.4.3 匹配約束 435
11.4.4 光束平差法 436
11.4.5 升級射影重建和自標定 437
11.5 雙攝像機和立體感知 438
11.5.1 極綫幾何學——基本矩陣 438
11.5.2 攝像機的相對運動——本質
矩陣 440
11.5.3 分解基本矩陣到攝像機
矩陣 441
11.5.4 從對應點估計基本矩陣 441
11.5.5 雙攝像機矯正結構 442
11.5.6 矯正計算 444
11.6 三攝像機和三視張量 445
11.6.1 立體對應點算法 446
11.6.2 距離圖像的主動獲取 451
11.7 由輻射測量到3D信息 453
11.7.1 由陰影到形狀 453
11.7.2 光度測量立體視覺 455
11.8 總結 456
11.9 習題 457
11.10 參考文獻 459
第12章 3D視覺的應用 464
12.1 由X到形狀 464
12.1.1 由運動到形狀 464
12.1.2 由紋理到形狀 468
12.1.3 其他由X到形狀的技術 469
12.2 完全的3D物體 471
12.2.1 3D物體、模型以及相關
問題 471
12.2.2 綫條標注 472
12.2.3 體積錶示和直接測量 474

前言/序言

圖像處理、分析與機器視覺·第4版/世界著名計算機教材精選 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

世界著名大學教材，關於人工智能的，很好。

評分☆☆☆☆☆

快遞太差瞭，把我的書這樣摺起來?

評分☆☆☆☆☆

書不錯，還沒看

評分☆☆☆☆☆

好書 通俗易懂 深入淺齣 適閤學習人工智能的人進行學習

評分☆☆☆☆☆

價格實惠，送貨速度超快，愛上京東，最近得學習學習啦！書不錯

評分☆☆☆☆☆

還可以，看起來比較有深度

評分☆☆☆☆☆

東西不錯值得購買~！東西不錯值得購買~！東西不錯值得購買~！

評分☆☆☆☆☆

正在探索和嘗試進入人工智能領域，此書可以入門

評分☆☆☆☆☆

挺好的，這個呢，不錯

類似圖書 點擊查看全場最低價