精心挑选色诱视频,国产V?免费精品高清在线

本書圍繞計(jì)算機(jī)視覺(jué)的五大核心任務(wù): 圖像分類、圖像分割、目標(biāo)檢測(cè)、目標(biāo)跟蹤、三維場(chǎng)景重建，將內(nèi)容劃分為三部分: 基礎(chǔ)篇、識(shí)別篇與重建篇。其中，基礎(chǔ)篇（第1～5章）講述計(jì)算機(jī)視覺(jué)任務(wù)的共性知識(shí)與算法，涵蓋線性濾波器、圖像邊緣提取、紋理表示、角點(diǎn)特征提取、尺度不變特征；識(shí)別篇（第6～9章）關(guān)注機(jī)器如何理解圖像內(nèi)容，重點(diǎn)介紹圖像分類、目標(biāo)檢測(cè)、圖像分割、目標(biāo)跟蹤四個(gè)視覺(jué)識(shí)別任務(wù)的難點(diǎn)、解決思路及對(duì)應(yīng)的識(shí)別算法與模型；重建篇（第10～15章）聚焦如何從圖像中進(jìn)行三維場(chǎng)景的結(jié)構(gòu)重建，內(nèi)容涵蓋攝像機(jī)幾何、攝像機(jī)標(biāo)定、單視圖幾何、三角化與極幾何、雙目立體視覺(jué)、運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)等基本概念與算法。
本書適合作為高等院校人工智能、智能科學(xué)與技術(shù)專業(yè)高年級(jí)本科生、研究生的教材，也可供對(duì)計(jì)算機(jī)視覺(jué)比較熟悉的開(kāi)發(fā)人員、廣大科技工作者和研究人員參考。

作為人工智能領(lǐng)域的重要分支，計(jì)算機(jī)視覺(jué)旨在賦予計(jì)算機(jī)類似人類視覺(jué)的感知和理解能力。其技術(shù)已在多個(gè)領(lǐng)域展示出巨大潛力，并廣泛應(yīng)用于各方面，如圖像識(shí)別、目標(biāo)檢測(cè)、人臉識(shí)別以及自動(dòng)駕駛等。
本書以計(jì)算機(jī)視覺(jué)的基礎(chǔ)技術(shù)為起點(diǎn)，以五大核心任務(wù)為主線，對(duì)其基礎(chǔ)知識(shí)進(jìn)行了系統(tǒng)梳理與組織，并按照主要任務(wù)的順序組織課程內(nèi)容，使學(xué)習(xí)更為便捷。通過(guò)學(xué)習(xí)本教材，讀者將提升工程開(kāi)發(fā)能力。
全書共分15章，以計(jì)算機(jī)視覺(jué)任務(wù)為主線，內(nèi)容由淺入深展開(kāi)，結(jié)構(gòu)清晰，易于理解。第1章介紹線性濾波器，包括卷積的基礎(chǔ)理論及其在圖像去噪中的典型應(yīng)用。第2章探討圖像邊緣提取技術(shù)，涉及圖像邊緣與圖像求導(dǎo)、經(jīng)典的Canny邊緣檢測(cè)算法以及3種擬合技術(shù)。第3章著眼紋理表示，介紹圖像紋理的概念、圖像紋理的表示和LeungMalik卷積核組。第4章為角點(diǎn)特征提取，分為局部特征和角點(diǎn)檢測(cè)兩部分，詳細(xì)講述了Harris角點(diǎn)檢測(cè)算法。第5章關(guān)注圖像的尺度不變特征，介紹尺度不變理論基礎(chǔ)，以及SIFT和ORB特征提取方法。第6章介紹圖像分類任務(wù)的定義與難點(diǎn)，探討了基于機(jī)器學(xué)習(xí)與詞袋模型的圖像分類方法。第7章聚焦目標(biāo)檢測(cè)技術(shù)，以人臉檢測(cè)和行人檢測(cè)為例，介紹目標(biāo)檢測(cè)技術(shù)中的兩個(gè)經(jīng)典算法AdaBoost算法和HOG算法。第8章介紹圖像分割任務(wù)，包括基于像素聚類的圖像分割方法以及基于圖的圖像分割方法。第9章深入探討目標(biāo)跟蹤的核心技術(shù)和算法，包括基于光流、卡爾曼濾波以及粒子濾波的方法。第10章詳細(xì)介紹攝像機(jī)的數(shù)學(xué)模型，包括其內(nèi)部參數(shù)和外部參數(shù)的概念，它們是理解和應(yīng)用攝像機(jī)幾何理論的基礎(chǔ)。第11章深入討論攝像機(jī)的參數(shù)標(biāo)定問(wèn)題，介紹了內(nèi)、外參數(shù)的求解及徑向畸變參數(shù)的估計(jì)方法。第12章介紹單視圖幾何知識(shí)，涵蓋射影幾何、消影點(diǎn)和消影線等基礎(chǔ)概念，并討論了單視圖重構(gòu)的基本前提和技術(shù)。第13章聚焦三維重建的基本方法和極幾何，介紹了三角化、極幾何、基礎(chǔ)矩陣和單應(yīng)矩陣的基本概念與求解方法，它們是進(jìn)行精確三維定位和建模的前提。第14章探討雙目立體視覺(jué)技術(shù)，包括平行視圖的極幾何關(guān)系、平行視圖校正以及基于相關(guān)性匹配的視差估計(jì)方法。最后，第15章研究運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)問(wèn)題及其對(duì)應(yīng)的求解算法，完整地呈現(xiàn)了從圖像中重建三維場(chǎng)景的過(guò)程。
本書具有以下特點(diǎn):
(1) 遵照教指委智能科學(xué)與技術(shù)和人工智能專業(yè)及相關(guān)專業(yè)的培養(yǎng)目標(biāo)和培養(yǎng)方案，合理安排計(jì)算機(jī)視覺(jué)知識(shí)體系，結(jié)合機(jī)器學(xué)習(xí)和智能機(jī)器人的先行課程和后續(xù)課程組織相關(guān)知識(shí)點(diǎn)與內(nèi)容。
(2) 注重理論和實(shí)踐結(jié)合，融入計(jì)算機(jī)視覺(jué)的任務(wù)實(shí)例，使學(xué)生在掌握理論知識(shí)的同時(shí)提高處理任務(wù)過(guò)程中分析問(wèn)題和解決問(wèn)題的實(shí)踐動(dòng)手能力，增強(qiáng)創(chuàng)新意識(shí)，理論知識(shí)和實(shí)踐技能得到全面發(fā)展。
(3) 每個(gè)知識(shí)點(diǎn)都包括基礎(chǔ)示例，知識(shí)內(nèi)容層層推進(jìn)，易于接受和掌握。每章都以計(jì)算機(jī)視覺(jué)任務(wù)為主線，將知識(shí)點(diǎn)有機(jī)地串聯(lián)在一起，便于學(xué)習(xí)。
(4) 每章習(xí)題中提供一定數(shù)量的課外實(shí)踐題目，采用課內(nèi)外結(jié)合的方式，培養(yǎng)學(xué)生編程的興趣，提高其工程實(shí)踐能力，滿足當(dāng)前社會(huì)對(duì)開(kāi)發(fā)人員的需求。
(5) 本書提供配套的教學(xué)課件、基礎(chǔ)案例的源碼。
在本書編寫過(guò)程中，編者參閱了國(guó)內(nèi)外高校的教學(xué)與科研成果，也吸取了國(guó)內(nèi)外高等教材的精髓，對(duì)這些作者的貢獻(xiàn)表示由衷的感謝。同時(shí)得到了彭響、趙釗然、董相濤、劉柏川、喬前、張安然、王利瑋、宋世鵬等多位同學(xué)的幫助，并得到了清華大學(xué)出版社的大力支持，在此表示誠(chéng)摯的感謝。
由于編者水平有限，書中難免有不妥和疏漏之處，懇請(qǐng)各位專家、同仁和讀者不吝賜教和批評(píng)指正，并與編者討論。

編者
2025年1月

第1章線性濾波器1
1.1卷積1
1.1.1數(shù)字圖像基礎(chǔ)1
1.1.2卷積的定義2
1.1.3卷積的性質(zhì)4
1.1.4卷積的用例4
1.2圖像去噪6
1.2.1噪聲分析6
1.2.2中值濾波7
1.2.3高斯卷積核8
小結(jié)13
習(xí)題13

第2章圖像邊緣提取14
2.1圖像邊緣與圖像求導(dǎo)14
2.1.1圖像邊緣的含義14
2.1.2邊緣位置的特點(diǎn)15
2.1.3圖像導(dǎo)數(shù)與梯度15
2.1.4高斯一階偏導(dǎo)核17
2.2Canny邊緣檢測(cè)算法19
2.3擬合21
2.3.1最小二乘法22
2.3.2RANSAC算法25
2.3.3Hough變換28
小結(jié)32
習(xí)題32

第3章紋理表示34
3.1圖像紋理的概念34
3.1.1理解圖像紋理34
3.1.2圖像紋理的作用36
3.2圖像紋理的表示37
3.2.1紋理的表示方法37
3.2.2構(gòu)建卷積核組37
3.2.3紋理統(tǒng)計(jì)分析38
3.3LeungMalik卷積核組39
3.3.1LeungMalik卷積核組的組成39
3.3.2LeungMalik卷積核組的構(gòu)建40
小結(jié)42
習(xí)題42

第4章角點(diǎn)特征提取43
4.1局部特征43
4.1.1圖像拼接問(wèn)題43
4.1.2局部特征概念44
4.2角點(diǎn)檢測(cè)46
4.2.1角點(diǎn)特性分析46
4.2.2Harris角點(diǎn)檢測(cè)器46
4.2.3Harris角點(diǎn)檢測(cè)效果51
小結(jié)52
習(xí)題52

第5章尺度不變特征54
5.1尺度不變理論基礎(chǔ)54
5.1.1尺度不變思路54
5.1.2高斯拉普拉斯算子56
5.1.3HarrisLaplace檢測(cè)器60
5.2SIFT60
5.2.1高斯差分尺度空間60
5.2.2SIFT特征點(diǎn)檢測(cè)63
5.2.3SIFT特征描述子64
5.3ORB特征66
5.3.1Oriented FAST66
5.3.2BRIEF特征描述子67
5.3.3ORB特征68
小結(jié)68
習(xí)題69

第6章圖像分類70
6.1圖像分類任務(wù)概述70
6.2數(shù)據(jù)驅(qū)動(dòng)的圖像分類范式74
6.2.1機(jī)器學(xué)習(xí)的分類74
6.2.2機(jī)器學(xué)習(xí)三要素75
6.2.3模型評(píng)估與選擇77
6.2.4過(guò)擬合、欠擬合與模型正則化78
6.2.5基于有監(jiān)督學(xué)習(xí)的圖像分類范式79
6.2.6圖像分類模型的精度評(píng)價(jià)80
6.3基于詞袋模型的圖像表示81
6.3.1基于詞袋模型的文本表示81
6.3.2TFIDF加權(quán)82
6.3.3詞袋模型在圖像表示中的應(yīng)用83
6.4基于線性多類支持向量機(jī)的圖像分類85
6.4.1線性分類模型85
6.4.2學(xué)習(xí)策略與多類支持向量機(jī)損失86
6.4.3梯度下降算法87
小結(jié)88
習(xí)題88

第7章目標(biāo)檢測(cè)90
7.1目標(biāo)檢測(cè)概述90
7.1.1任務(wù)難點(diǎn)90
7.1.2評(píng)價(jià)指標(biāo)91
7.1.3滑動(dòng)窗口法91
7.2基于AdaBoost的人臉檢測(cè)93
7.2.1AdaBoost算法94
7.2.2類Haar特征95
7.2.3基于級(jí)聯(lián)結(jié)構(gòu)的人臉檢測(cè)模型97
7.3基于HOG特征的行人檢測(cè)99
7.3.1HOG特征100
7.3.2利用HOG特征實(shí)現(xiàn)行人檢測(cè)100
小結(jié)102
習(xí)題102

第8章圖像分割103
8.1圖像分割概述103
8.2人類視覺(jué)分組與格式塔規(guī)則104
8.3基于像素聚類的圖像分割105
8.3.1基于Kmeans的圖像分割105
8.3.2基于均值漂移的圖像分割107
8.4基于圖的圖像分割111
8.4.1基于特征向量的圖像分割算法111
8.4.2基于歸一化割的圖像分割算法112
小結(jié)114
習(xí)題114

第9章目標(biāo)跟蹤116
9.1基于光流的運(yùn)動(dòng)跟蹤116
9.1.1光流計(jì)算基本等式117
9.1.2LucasKanade光流算法118
9.2卡爾曼濾波121
9.2.1貝葉斯濾波器121
9.2.2動(dòng)態(tài)模型122
9.2.3卡爾曼濾波122
9.3粒子濾波124
9.3.1非線性模型125
9.3.2重要性采樣125
9.3.3SIS粒子濾波器126
9.3.4重采樣127
9.3.5SIR粒子濾波器128
小結(jié)128
習(xí)題129

第10章攝像機(jī)幾何130
10.1針孔模型與透鏡130
10.1.1針孔攝像機(jī)130
10.1.2透鏡成像133
10.2一般攝像機(jī)模型137
10.2.1齊次坐標(biāo)137
10.2.2坐標(biāo)系變換和剛體變換139
10.2.3一般攝像機(jī)的幾何模型143
10.2.4透視投影矩陣的性質(zhì)146
10.3其他攝像機(jī)模型147
10.3.1規(guī)范化攝像機(jī)模型147
10.3.2弱透視投影攝像機(jī)147
10.3.3正交投影攝像機(jī)148
小結(jié)149
習(xí)題149

第11章攝像機(jī)標(biāo)定150
11.1針孔模型與攝像機(jī)標(biāo)定問(wèn)題150
11.1.1最小二乘參數(shù)估計(jì)150
11.1.2投影矩陣求解155
11.1.3攝像機(jī)內(nèi)外參數(shù)求解156
11.1.4退化情況159
11.2徑向畸變的攝像機(jī)標(biāo)定160
11.2.1徑向畸變模型160
11.2.2徑向畸變標(biāo)定161
小結(jié)163
習(xí)題163

第12章單視圖幾何165
12.1射影幾何基礎(chǔ)165
12.1.1直線的齊次坐標(biāo)165
12.1.2平面上的無(wú)窮遠(yuǎn)點(diǎn)與無(wú)窮遠(yuǎn)線166
12.1.3平面上的變換167
12.1.4平面上的無(wú)窮遠(yuǎn)點(diǎn)與無(wú)窮遠(yuǎn)線的變換169
12.2單視圖重構(gòu)170
12.2.1消影點(diǎn)與消影線170
12.2.2單視重構(gòu)172
小結(jié)173
習(xí)題174

第13章三角化與極幾何175
13.1三維重建的基礎(chǔ)175
13.1.1三角化的概念175
13.1.2三角化的線性解法176
13.1.3三角化的非線性解法177
13.2極幾何與基礎(chǔ)矩陣178
13.2.1極幾何178
13.2.2本質(zhì)矩陣與基礎(chǔ)矩陣179
13.3基礎(chǔ)矩陣估計(jì)181
13.3.1八點(diǎn)法181
13.3.2歸一化八點(diǎn)法183
13.4單應(yīng)矩陣184
13.4.1單應(yīng)矩陣概念184
13.4.2單應(yīng)矩陣估計(jì)185
小結(jié)186
習(xí)題186

第14章雙目立體視覺(jué)188
14.1基于平行視圖的雙目立體視覺(jué)188
14.1.1平行視圖的基礎(chǔ)矩陣與極幾何188
14.1.2平行視圖的三角測(cè)量與視差190
14.2圖像校正191
14.3對(duì)應(yīng)點(diǎn)搜索194
14.3.1相關(guān)匹配算法194
14.3.2相關(guān)法存在的問(wèn)題196
小結(jié)198
習(xí)題198

第15章運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)200
15.1問(wèn)題概述200
15.2歐氏運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)201
15.2.1兩視圖的歐氏運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)201
15.2.2基于捆綁調(diào)整的歐氏運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)204
15.3基于增量法的歐氏運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)系統(tǒng)設(shè)計(jì)205
15.3.1PnP問(wèn)題與P3P方法205
15.3.2增量式SfM系統(tǒng)208
小結(jié)210
習(xí)題211

參考文獻(xiàn)212

你還可能感興趣

我要評(píng)論