- 计算机视觉(新一代信息技术人工智能战略性新兴领域十四五高等教育系列教材)
- - 作者：编者:胡永利|责编:吉玲//赵晓峰
  - 出版社：机械工业
  - ISBN：9787111776390
  - 出版日期：2024/12/01
  - 页数：206
- 售价：19.92

内容大纲
本书分10章介绍了计算机视觉的基本概念、底层视觉信号处理技术、高级计算机视觉技术，以及计算机视觉技术应用等内容。第1章为绪论，介绍了人类视觉与计算机视觉的基本概念，回顾了计算机视觉的发展历史，介绍了经典的计算机视觉理论、主要应用场景和面临的挑战。第2～6章介绍了底层视觉信号处理技术。其中，第2章介绍了图像的表示和处理，第3章介绍了图像的点特征表示，第4章介绍了图像的线特征表示，第5章介绍了图像的区域分割技术，第6章介绍了纹理分析的相关概念和方法。第7～9章介绍了高级计算机视觉技术，包括第7章的摄像机成像模型，第8章的三维重建，第9章的运动分析。第10章介绍了计算机视觉技术在图像分类、目标检测和跟踪等方面的应用。
本书适合作为普通高校人工智能、计算机、自动化等相关专业的教材，也可作为广大从事计算机视觉技术应用研发人员的参考读物。
作者介绍
目录
第1章  绪论
  1.1  人类视觉
  1.2  计算机视觉
  1.3  计算机视觉的发展
  1.4  经典计算机视觉理论
  1.5  计算机视觉的应用和面临的挑战
  本章小结
  思考题与习题
  参考文献
第2章  图像表示和处理
  2.1  图像的表示
  2.2  图像的基本性质
    2.2.1  距离
    2.2.2  连通性
    2.2.3  边缘和边界
    2.2.4  直方图
    2.2.5  图像中的噪声
  2.3  图像处理数学基础
    2.3.1  卷积
    2.3.2  傅里叶变换
  2.4  常用图像处理技术
    2.4.1  亮度变换
    2.4.2  直方图变换
    2.4.3  空域滤波
    2.4.4  频域滤波
  2.5  卷积神经网络基础
  本章小结
  思考题与习题
  参考文献
第3章  图像的点特征表示
  3.1  图像点特征介绍
  3.2  图像关键点检测算法
    3.2.1  Harris角点检测
    3.2.2  SIFT关键点检测
    3.2.3  HardNet点特征学习
    3.2.4  Key.Net关键点检测网络
  3.3  图像点特征应用
  本章小结
  思考题与习题
  参考文献
第4章  图像的线特征表示
  4.1  边缘检测
    4.1.1  边缘和边缘检测
    4.1.2  微分边缘检测
    4.1.3  Canny边缘检测
  4.2  活动轮廓模型（Snake模型）
  4.3  主动形状模型（ASM）
    4.3.1  基本原理
    4.3.2  ASM的建立
    4.3.3  ASM的形状搜索

  4.4  Hough变换
    4.4.1  直线检测
    4.4.2  曲线检测
  本章小结
  思考题与习题
  参考文献
第5章  区域分割
  5.1  区域分割的概念
  5.2  传统数字图像区域分割算法
    5.2.1  阈值分割法
    5.2.2  区域生长法
    5.2.3  分裂合并法
    5.2.4  分水岭算法
  5.3  基于深度学习的区域分割算法
    5.3.1  全卷积分割网络
    5.3.2  U-net分割网络
    5.3.3  DeepLab系列分割网络
    5.3.4  预训练大模型分割网络（SAM）
  本章小结
  思考题与习题
  参考文献
第6章  纹理分析
  6.1  纹理的概念
  6.2  经典纹理分析方法
    6.2.1  灰度共生矩阵
    6.2.2  Gabor小波
  6.3  基于深度学习的纹理分析方法
    6.3.1  纹理分类网络PCANet
    6.3.2  基于CNN的纹理合成网络
  本章小结
  思考题与习题
  参考文献
第7章  摄像机成像模型
  7.1  成像原理
    7.1.1  小孔成像
    7.1.2  凸透镜成像
    7.1.3  摄像机成像原理
    7.1.4  齐次坐标
  7.2  摄像机成像模型
  7.3  摄像机标定
    7.3.1  直接线性变换法（DLT）
    7.3.2  平面标定法
    7.3.3  基于一维标定物的标定方法
  本章小结
  思考题与习题
  参考文献
第8章  三维重建
  8.1  三维重建介绍
    8.1.1  三维重建的目的与任务
    8.1.2  三维重建的应用

  8.2  多视几何
    8.2.1  极几何关系
    8.2.2  基础矩阵估计
  8.3  基于立体视觉的三维重建
    8.3.1  基于SFM的三维重建
    8.3.2  基于多目立体视觉（MVS）的三维重建
    8.3.3  基于深度学习的三维重建
  8.4  其他三维重建技术
    8.4.1  结构光
    8.4.2  激光扫描
    8.4.3  光度立体重建
  本章小结
  思考题与习题
  参考文献
第9章  运动分析
  9.1  运动分析简介
  9.2  时间差分方法
  9.3  背景减除法
    9.3.1  单高斯模型
    9.3.2  混合高斯模型
    9.3.3  ViBe算法模型
    9.3.4  CodeBook算法
  9.4  光流法
  本章小结
  思考题与习题
  参考文献
第10章  计算机视觉应用
  10.1  图像分类
    10.1.1  ResNet
    10.1.2  Vision Transformer
    10.1.3  图像分类数据集介绍
  10.2  目标检测
    10.2.1  滑动窗口法
    10.2.2  Faster R-CNN
    10.2.3  YOLOv
    10.2.4  目标检测数据集介绍
  10.3  目标跟踪
    10.3.1  经典目标跟踪算法——Mean Shift
    10.3.2  深度目标跟踪算法——FCNT
    10.3.3  目标跟踪数据集介绍
  本章小结
  思考题与习题
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目