计算机视觉与图像识别

前言
第1章 绪论
1.1 计算机视觉的目标与任务
1.2 计算机视觉的经典问题
1.3 Marr的计算机视觉理论框架
1.3.1 视觉系统研究的三个层次
1.3.2 视觉信息处理的三个阶段
1.4 摄像机成像几何模型
1.5 摄像机参数和透视投影
1.5.1 坐标系变换和刚体变换
1.5.2 摄像机参数和透视投影
第2章 立体视觉匹配算法
2.1 快速区域视差匹配算法
2.1.1 深度信息计算及约束条件
2.1.2 区域相关匹配和冗余计算消除
2.1.3 基于视差梯度的可变搜索范围区域相关匹配
2.1.4 实验
2.2 Rank变换与匹配算法
2.2.1 基于Rank变换的匹配
2.2.2 Rank变换在彩色图像中的应用
2.2.3 立体匹配算法的评估方法
2.2.4 实验
2.3 基于相位一致性的红外图像匹配方法
2.3.1 相位一致性和局部能量
2.3.2 基于相位一致性的边缘检测
2.3.3 基于相位一致性的红外图像区域匹配
2.3.4 实验
第3章 支持向量机算法
3.1 概述
3.1.1 统计学习理论
3.1.2 支持向量机
3.1.3 支持向量机研究现状与应用
3.2 支持向量机求解方法
3.2.1 预备数学知识
3.2.2 二次规划求解法
3.2.3 选块方法
3.2.4 分解算法
3.2.5 序列最小优化方法
3.2.6 基于lagrange函数的迭代求解方法
3.2.7 基于Smoothing处理的牛顿求解方法
3.3 L范数支持向量机算法
3.3.1 分类间隔的Lp范数表示
3.3.2 基于Lp范数分类间隔的三种支持向量机
3.3.3 L1范数支持向量机算法
3.3.4 仿真实验
3.4 PCA支持向量机算法
3.4.1 PCA支持向量机算法
3.4.2 KernelPCA支持向量机算法
3.4.3 加权PCA支持向量机算法
3.5 小波支持向量机算法
3.5.1 小波变换
3.5.2 小波核函数
3.5.3 小波支持向量机算法
3.5.4 算法性能分析
3.6 模糊二叉树支持向量机算法
3.6.1 多级二叉树分类器的构造
3.6.2 SVM子分类器的构造
3.6.3 模糊二叉树支持向量机算法
第4章 人脸识别
4.1 概述
4.1.1 自动人脸识别技术
4.1.2 人脸识别研究的意义
4.1.3 人脸检测与定位
4.1.4 人脸识别的主要技术方法
4.1.5 人脸识别系统若干关键技术问题
4.2 人脸检测与跟踪
4.2.1 Haar函数及Haar变换
4.2.2 人脸类Haar特征快速算法
4.2.3 AdaBoost级联分类器
4.2.4 视频人脸跟踪
4.2.5 实验结果与分析
4.3 人脸关键特征定位与特征抽取
4.3.1 人眼检测方法
4.3.2 实时人眼检测算法
4.3.3 人脸归一化与姿态校正
4.3.4 人脸Gabor特征抽取算法
4.4 基于支持向量机的人脸识别方法
4.4.1 多类分类支持向量机及其训练
4.4.2 识别算法性能比对
第5章 基于计算机立体视觉的障碍物检测
5.1 概述
5.2 基于彩色图像障碍物检测算法
5.3 彩色图像的分割和提取
5.3.1 彩色空间模型的选取
5.3.2 分割策略
5.3.3 目标区域的提取
5.4 匹配和障碍物识别
5.5 实验
参考文献