图象工程（下册图象理解与计算机视觉）

内容简介

　　本书获2002年教育部全国普通高校优秀教材一等奖。本书主要介绍图像理解和计算机视觉的基本概念、研究内容和实用技术，以及近年来国际上有关的最新研究成果和应用实例。本书包括五部分。第一部分（第1、2章）概述了一些有关图像和视觉的基础知识；第二部分（第3、4章）是对一些图像采集、处理和分析技术的推广；第三部分（第5、6章）讨论有关立体匹配和场景恢复的技术；第四部分（第7、8、9章）介绍有关对场景进行解释所涉及的知识表达、匹配理解等内容；第五部分（附录A和附录B）介绍了一些相关技术，包括统计和结构模式识别、人工神经网络、数学形态学等。为便于教学，本书共给出各类例题100个。为便于检查教学效果，各章后均有练习题，本册书共有练习题142个。另外，书末列出了提供参考和直接引用的100多篇文献的目录。本书可作为信息和信号处理、通信与电子系统、模式识别、机器人视觉、生物医学工程等学科专业课教材，也可供上述学科及信息工程、电子工程、计算机科学与技术、机器人自动化、遥感和军事侦察等领域的科技工作者和高等院校的师生参考。

作者简介

暂缺《图象工程（下册图象理解与计算机视觉）》作者简介

图书目录

第1章  绪论
     1. 1  图象工程概述
     1. 2  图象理解与计算机视觉
       1. 2. 1  图象理解
       1. 2. 2  计算机视觉
       1. 2. 3  图象理解与计算机视觉的关系
       1. 2. 4  和图象理解与计算机视觉相关的其它学科
       1. 2. 5  图象理解与计算机视觉的应用领域
     1. 3  本书的安排和概要
       1. 3. 1  整体安排
       1. 3. 2  各章概要
     练习题
   第2章  视感觉和视知党
     2. 1  概述和分类
     2. 2  视觉过程与特性
       2. 2. 1  视觉过程
       2. 2. 2  视觉的时间特性
       2. 2. 3  视觉的空间特性
     2. 3  形状知觉
       2. 3. 1  轮廓
       2. 3. 2  图形和背景
       2. 3. 3  几何图形视错觉
     2. 4  空间知觉
       2. 4. 1  非视觉性深度线索
       2. 4. 2  双眼深度线索
       2. 4. 3  单眼深度线索
     练习题
   第3章  立体成象
     3. 1  概述和分类
     3. 2  图象采集装置
       3. 2. 1  采集装置的性能指标
       3. 2. 2  灰度图采集和CCD摄象器件
       3. 2. 3  深度图采集和结构光测距装置
     3. 3  成象变换和摄象机模型
       3. 3. 1  世界坐标与摄象机坐标重合时的摄象机模型
       3. 3. 2  世界坐标与摄象机坐标分开时的摄象机模型
       3. 3. 3  通用摄象机模型
     3. 4  摄象机校准
     3. 5  立体成象方式
       3. 5. 1  立体成象方式分类
       3. 5. 2  单目成象和畸变
       3. 5. 3  双目成象和视差
       3. 5. 4  结构光成象和成象高度
     练习题
   第4章  扩展分折技术
     4. 1  概述和分类
     4. 2  广义哈夫变换
       4. 2. 1  基本哈夫变换原理
       4. 2. 2  广义哈夫变换原理
       4. 2. 3  完整广义哈夫变换
     4. 3  亚象素边缘检测
       4. 3. 1  基于矩保持的亚象素边缘检测
       4. 3. 2  利用一阶微分期望值的亚象素边缘检测
       4. 3. 3  利用切线信息的亚象素边缘检测
     4. 4  3-D边缘检测和阈值分割
       4. 4. 1  3-D边缘检测
       4. 4. 2  3-D阈值分割
     4. 5  16-邻域
       4. 5. 1  术语和定义
       4. 5. 2  N16空间中的连通性和最短通路
       4. 5. 3  Ti变换
       4. 5. 4  N16空间中的距离
     4. 6  3-D表面的表达
       4. 6. 1  3-D轮廓线的表达
       4. 6. 2  3-D目标表面的表达
       4. 6. 3  表面面元插值3-D轮廓
     4. 7  3-D实体的表达
       4. 7. 1  表达方案
       4. 7. 2  广义圆柱体
       4. 7. 3  扩展高斯图
     练习题
   第5章  立体视觉
     5. 1  概述和分类
     5. 2  立体视觉模块
     5. 3  双目立体匹配
     5. 4  多目立体匹配
       5. 4. 1  多目图象
       5. 4. 2  倒距离
     5. 5  正交多目立体匹配
       5. 5. 1  基本原理
       5. 5. 2  基于梯度分类的正交三目立体匹配
       5. 5. 3  正交多目立体匹配
     5. 6  视差图误差检测与校正
     5. 7  亚象素级视差
     练习题
   第6章  三维形状信息恢复
     6. 1  概述和分类
     6. 2  光度立体学
       6. 2. 1  场景亮度和图象亮度
       6. 2. 2  表面反射特性和亮度
       6. 2. 3  目标表面朝向
       6. 2. 4  反射图
       6. 2. 5  光度立体学求解
     6. 3  从运动求取结构
       6. 3. 1  光流和运动场
       6. 3. 2  光流约束方程
       6. 3. 3  光流计算
       6. 3. 4  光流与表面取向
     6. 4  从阴影恢复形状
       6. 4. 1  阴影与形状
       6. 4. 2  利用单目图象求解照度方程
     6. 5  纹理与表面朝向
       6. 5. 1  基本方法
       6. 5. 2  线段纹理消失点的确定
     练习题
   第7章  知识和表达
     7. 1  概述和分类
     7. 2  场景知识
     7. 3  过程知识
     7. 4  知识表达基础
       7. 4. 1  对知识表达的要求
       7. 4. 2  知识表达类型
       7. 4. 3  图象理解系统中的知识模块
       7. 4. 4  图象理解中的知识表达
     7. 5  逻辑系统
       7. 5. l  定义
       7. 5. 2  利用定理证明未推理
     7. 6  语义网络
     7. 7  产生式(专家)系统
     练习题
   第8章  匹配和理解
     8. 1  概述和分类
     8. 2  模板匹配
     8. 3  目标匹配
       8. 3. 1  字符串匹配
       8. 3. 2  特征点匹配
       8. 3. 3  形状数匹配
       8. 3. 4  惯量等效椭圆匹配
     8. 4  动态模式匹配
     8. 5  关系匹配
     8. 6  线图同构
     8. 7  特征内容匹配
       8. 7. 1  一般框架和系统模块
       8. 7. 2  颜色匹配
       8. 7. 3  纹理匹配
       8. 7. 4  形状匹配
       8. 7. 5  综合特征匹配
       8. 7. 6  语义内容匹配
       8. 7. 7  基于内容的多媒体信息检索与国际标准MPEG-7
     练习题
   第9章  视觉理论和信息系统
     9. 1  概述和分类
     9. 2  视觉计算理论
       9. 2. 1  马尔理论
       9. 2. 2  关于马尔理论的讨论
     9. 3  视觉信息系统模型
       9. 3. 1  系统模型结构
       9. 3. 2  多层次串行结构
       9. 3. 3  以知识库为个心的辐射结构
       9. 3. 4  以知识库为根的树结构
       9. 3. 5  多模块交叉配合结构
     9. 4  具体系统分析
       9. 4. 1  VISIONS系统
       9. 4. 2  ACRONYM系统
       9. 4. 3  KB Vision系统
     9. 5  典型系统比较
     9. 6  讨论和展望
     练习题
   附录A  相关技术
     A. 1  概述和分类
     A. 2  统计模式识别
       A. 2. 1  模式和分类
       A. 2. 2  最小距离分类器
       A. 2. 3  最优统计分类器
     A. 3  结构模式识别
       A. 3. 1  字符串结构识别
       A. 3. 2  树结构识别
       A. 3. 3  学习和推理
     A. 4  人工神经网络
       A. 4. 1  发展和特点
       A. 4. 2  用于两个模式类的感知机模型
       A. 4. 3  多层前向神经网络
       A. 4. 4  多层网络决策面的复杂度
     A. 5  图象代数与形态分析
       A. 5. 1  二值数学形态学
       A. 5. 2  灰度数学形态学的一些基本算法
       A. 5. 3  灰度数学形态学的一些实用算法
       A. 5. 4  图象代数
     练习题
   附录B  参考文献
     B. 1  主要相关书籍
     B. 2  本书引用的中文文献
     B. 3  本书引用的英文文献英文目录