計算機視覺——一種現(xiàn)代方法

第一部分 圖像生成與圖像模型
第1章 攝像機
1.1 針孔照相機
1.2 帶鏡頭的攝像機
1.3 人的眼睛
1.4 信號感應(yīng)
1.5 注釋
習題
第2章 攝像機的幾何模型
2.1 歐幾里得解析幾何基礎(chǔ)
2.2 攝像機參數(shù)和透視投影
2.3 仿射攝像機和仿射投影方程
2.4 注釋
習題
第3章 攝像機的幾何標定
3.1 最小二乘法的參數(shù)估計
3.2 使用線性方法進行攝像機標定
3.3 徑向畸變
3.4 分析攝影地形測量法
3.5 應(yīng)用：機器人定位
3.6 注釋
習題
第4章 輻射學——光亮度度量
4.1 空間中的光
4.2 到達表面的光
4.3 重要的特殊情況
4.4 注釋
習題
第5章 光源、陰影與影調(diào)
5.1 定性輻射學
5.2 光源及其產(chǎn)生的效果
5.3 局部影調(diào)模型
5.4 應(yīng)用：光度學體視
5.5 互反射：全局影調(diào)模型
5.6 注釋
習題
第6章 顏色
6.1 物理學中的顏色
6.2 人類的顏色感知
6.3 顏色表示
6.4 圖像顏色的一個模型
6.5 從圖像顏色中找到表面顏色
6.6 注釋
習題
第二部分 低層視覺：使用一幅圖像
第7章 線性濾波
7.1 線性濾波和卷積
7.2 移不變線性系統(tǒng)
7.3 空間頻率和傅里葉變換
7.4 采樣和折疊失真
7.5 濾波器與模板
7.6 技術(shù)：歸一化相關(guān)和檢測模式
7.7 技術(shù)：尺度和圖像金字塔
7.8 注釋
習題
第8章 邊緣檢測
8.1 噪聲
8.2 導(dǎo)數(shù)估計
8.3 對邊緣進行檢測
8.4 注釋
習題
第9章 紋理
9.1 紋理表示
9.2 使用有方向性金字塔的分析（和合成)
9.3 應(yīng)用：合成紋理來繪制
9.4 由紋理得到形狀
9.5 注釋
習題
第三部分 低層視覺：使用多幅圖像
第10章 多視角幾何學
10.1 雙視角
10.2 三視圖
10.3 更多的視圖
10.4 注釋
習題
第11章 立體視覺
11.1 重建
11.2 人類的立體視覺過程
11.3 雙目融合
11.4 使用多個攝像機
11.5 注釋
習題
第12章 從運動估計仿射模型
12.1 仿射幾何基礎(chǔ)
12.2 仿射結(jié)構(gòu)和兩幅圖之間的運動
12.3 從多幅圖像估計仿射結(jié)構(gòu)和運動
12.4 從仿射到歐氏圖像
12.5 仿射運動分割
12.6 注釋
習題
第13章 從運動估計投影模型
13.1 投影幾何基礎(chǔ)
13.2 從雙目對應(yīng)估計運動和投影結(jié)構(gòu)
13.3 多線性約束估計投影運動
13.4 多幅圖像恢復(fù)運動和投影結(jié)構(gòu)
13.5 從投影圖像到歐氏圖像
13.6 注釋
習題
第四部分 中 層 視 覺
第14章 基于聚類的分割方法
14.1 什么是分割
14.2 人類視覺：分類和格式塔原理
14.3 應(yīng)用：鏡頭的邊界檢測和背景差分
14.4 基于像素點聚類的圖像分割
14.5 基于圖論的聚類分割
14.6 注釋
習題
第15章 基于模型擬合的分割
15.1 哈夫變換
15.2 直線擬合
15.3 擬合曲線
15.4 作為概率問題的擬合
15.5 魯棒性
15.6 舉例：用RANSAC來擬合基礎(chǔ)矩陣
15.7 注釋
習題
第16章 使用隨機方法的分割與擬合
16.1 丟失數(shù)據(jù)問題、擬合和分割
16.2 EM算法的應(yīng)用
16.3 模型選擇：哪個模型擬合得最好
16.4 注釋
習題
第17章 基于線性動態(tài)模型的跟蹤
17.1 把跟蹤作為一個抽象的推理問題
17.2 線性動態(tài)模型
17.3 卡爾曼濾波
17.4 數(shù)據(jù)相關(guān)
17.5 應(yīng)用和例子
17.6 注釋
習題
第五部分 高層視覺幾何方法
第18章 基于模型的視覺
18.1 初始假設(shè)
18.2 通過位姿一致性獲取假設(shè)
18.3 位姿聚類獲得假設(shè)
18.4 采用不變量獲得假設(shè)
18.5 校驗
18.6 應(yīng)用：醫(yī)學圖像系統(tǒng)的對準
18.7 曲面與對準
18.8 注釋
習題
第19章 平滑表面及其輪廓
19.1 微分幾何的基本要點
19.2 表面輪廓幾何學
19.3 注釋
習題
第20章 外觀圖
20.1 視覺事件：微分幾何的補充
20.2 計算外觀圖
20.3 外觀圖與物體定位
20.4 注釋
習題
第21章 距離數(shù)據(jù)
21.1 主動距離傳感器
21.2 距離數(shù)據(jù)的分割
21.3 距離圖像的匹配和模型獲取
21.4 物體識別
21.5 注釋
習題
第六部分 高層視覺：基于概率和推理的方法
第22章 利用分類器建立模板
22.1 分類器
22.2 基于類直方圖創(chuàng)建分類器
22.3 特征選擇
22.4 神經(jīng)元網(wǎng)絡(luò)
22.5 支持向量機
22.6 注釋
習題
22.7 附錄I：向后傳播算法
22.8 附錄II：線性不可分數(shù)據(jù)集上的支持向量機
22.9 附錄III：非線性支持向量機
第23章 基于模板間關(guān)系的識別
23.1 通過對模板間關(guān)系投票檢測物體
23.2 利用概率模型及搜索的關(guān)系推理
23.3 利用分類器簡化搜索
23.4 隱馬爾可夫模型
23.5 應(yīng)用：基于隱馬爾可夫模型的手語理解
23.6 應(yīng)用：基于隱馬爾可夫模型的人體檢測
23.7 注釋
第24章 基于空間關(guān)系的幾何模板
24.1 物體與圖像之間的簡單關(guān)系
24.2 基元、模板與幾何推理
24.3 后記：物體識別
24.4 注釋
習題
第七部分 應(yīng)用
第25章 應(yīng)用：在數(shù)字化收藏庫中查找
25.1 背景知識：組織收藏的信息
25.2 整幅圖的概要表示
25.3 圖片的分部表示
25.4 視頻
25.5 注釋
第26章 應(yīng)用：基于圖像的繪制
26.1 從圖像序列構(gòu)造三維模型
26.2 基于遷移的基于圖像繪制方法
26.3 光線場
26.4 注釋
習題