掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算機視覺:算法與應用 版權信息
- ISBN：9787302269151
- 條形碼：9787302269151 ; 978-7-302-26915-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
計算機視覺:算法與應用 本書特色
《計算機視覺：算法與應用》探索了用于分析和解釋圖像的各種常用技術，描述了具有一定挑戰性的視覺應用方面的成功實例，兼顧專業的醫學成像和圖像編輯與交織之類有趣的大眾應用，以便學生能夠將其應用于自己的照片和視頻，從中獲得成就感和樂趣。《計算機視覺：算法與應用》從科學的角度介紹基本的視覺問題，將成像過程的物理模型公式化，然后在此基礎上生成對場景的逼真描述。作者還運用統計模型來分析和運用嚴格的工程方法來解決這些問題。
《計算機視覺：算法與應用》作為本科生和研究生“計算機視覺”課程的理想教材，適合計算機和電子工程專業學生使用，重點介紹現實中行之有效的基本技術，通過大量應用和練習來鼓勵學生大膽創新。此外，《計算機視覺：算法與應用》的精心設計和編排，使其可以作為計算機視覺領域中一本獨特的基礎技術參考和新研究成果文獻。
計算機視覺:算法與應用 內容簡介
《計算機視覺：算法與應用》探索了用于分析和解釋圖像的各種常用技術，描述了具有一定挑戰性的視覺應用方面的成功實例，兼顧專業的醫學成像和圖像編輯與拼接之類有趣的大眾應用，以便學生能夠將其應用于自己的照片和視頻，從中獲得成就感和樂趣。《計算機視覺：算法與應用》從科學的角度介紹基本的視覺問題，將成像過程的物理模型公式化，然后在此基礎上生成對場景的逼真描述。作者還運用統計模型來分析和運用嚴格的工程方法來解決這些問題。 《計算機視覺：算法與應用》作為本科生和研究生“計算機視覺”課程的理想教材，適合計算機和電子工程專業學生使用，重點介紹現實中行之有效的基本技術，通過大量應用和練習來鼓勵學生大膽創新。此外，本書的精心設計和編排，使其可以作為計算機視覺領域中一本獨特的基礎技術參考和*新研究成果文獻。
計算機視覺:算法與應用 目錄
第1章 概述
1．1什么是計算機視覺？
1．2簡史
1．3本書概述
1．4課程大綱樣例
1．5標記法說明
1．6擴展閱讀
第2章 圖像形成
2．1 幾何基元和變換
2．1．1幾何基元
2．1．2 2D變換
2．1．3 3D變換
2．1．4 3D旋轉
2．1．5 3D到2D投影
2．1．6鏡頭畸變
2．2光度測定學的圖像形成
2．2．1 照明
2．2．2反射和陰影
2．2．3 光學
2．3數字攝像機
2．3．1 采樣與混疊
2．3．2 色彩
2．3．3 壓縮
2．4補充閱讀
2．5 習題
第3章 圖像處理
3．1 點算子
3．1．1 像素變換
3．1．2彩色變換
3．1．3合成與摳圖
3．1．4直方圖均衡化
3．1．5應用：色調調整
3．2 線性濾波
3．2．1 可分離的濾波
3．2．2線性濾波示例
3．2．3 帶通和導向濾波器
3．3 更多的鄰域算子
3．3．1 非線性濾波
3．3．2 形態學
3．3．3 距離變換
3．3．4 連通量
3．4傅里葉變換
3．4．1 傅里葉變換對
3．4．2二維傅里葉變換
3．4．3 維納濾波
3．4．4應用：銳化，模糊和去噪
3．5金字塔與小波
3．5．1 插值
3．5．2 降采樣
3．5．3 多分辨率表達
3．5．4 小波
3．5．5應用：圖像融合
3．6 幾何變換
3．6．1 參數化變換
3．6．2基于網格的卷繞
3．6．3 應用：基于特征的變形
3．7全局優化
3．7．1 正則化
3．7．2 馬爾科夫隨機場
3．7．3應用：圖像的恢復
3．8補充閱讀
3．9 習題
第4章特征檢測與匹配
4．1點和塊
4．1．1特征檢測器
4．1．2特征描述子
4．1．3 特征匹配
4．1．4特征跟蹤
4．1．5應用：表演驅動的動畫
4．2 邊緣
4．2．1 邊緣檢測
4．2．2 邊緣連接
4．2．3 應用：邊緣編輯和增強
4．3 線條
4．3．1逐次近似
4．3．2 Hough變換
4．3．3 消失點
4．3．4應用：矩形檢測
4．4擴展閱讀
4．5 習題
第5章 分割
5．1 活動輪廓
5．1．1 蛇行
5．1．2動態蛇行和CONDENSATION
5．1．3 剪刀
5．1．4水平集
5．1．5應用：輪廓跟蹤和轉描機
5．2分裂與歸并
5．2．1 分水嶺
5．2．2 區域分裂（區分式聚類）
5．2．3 區域歸并（凝聚式聚類）
5．2．4基于圖的分割
5．2．5 概率聚集
5．3 均值移位和模態發現
5．3．1 k—均值和高斯混合
5．3．2 均值移位
5．4規范圖割
5．5 圖割和基于能量的方法
5．6補充閱讀
5．7 習題
第6章 基于特征的配準
6．1基于2D和3D特征的配準
6．1．1使用*小二乘的2D配準
6．1．2應用：全景圖
6．1．3迭代算法
6．1．4魯棒*小二乘和RANSAC
6．1．5 3D配準
6．2 姿態估計
6．2．1 線性算法
6．2．2 迭代算法
6．2．3應用：增強現實
6．3 幾何內參數標定
6．3．1 標定模式
6．3．2 消失點
6．3．3應用：單視圖測量學
6．3．4 旋轉運動
6．3．5徑向畸變
6．4補充閱讀
6．5 習題
第7章 由運動到結構
7．1 三角測量
7．2 二視圖由運動到結構
7．2．1 投影（未標定的）重建
7．2．2 自標定
7．2．3應用：視圖變形
7．3 因子分解
7．3．1透視與投影因子分解
7．3．2應用：稀疏3D模型提取
……
第8章 稠密運動估計
第9章 圖像拼接
第10章 計算攝影學
第11章 立體視覺對應
第12章 3D重建
第13章 基于圖像的繪制
第14章 識別
第15章 結語
附錄A 線性代數與數值方法
附錄B 貝葉斯建模與推斷
附錄C 補充材料
詞匯表
1．1什么是計算機視覺？
1．2簡史
1．3本書概述
1．4課程大綱樣例
1．5標記法說明
1．6擴展閱讀
第2章 圖像形成
2．1 幾何基元和變換
2．1．1幾何基元
2．1．2 2D變換
2．1．3 3D變換
2．1．4 3D旋轉
2．1．5 3D到2D投影
2．1．6鏡頭畸變
2．2光度測定學的圖像形成
2．2．1 照明
2．2．2反射和陰影
2．2．3 光學
2．3數字攝像機
2．3．1 采樣與混疊
2．3．2 色彩
2．3．3 壓縮
2．4補充閱讀
2．5 習題
第3章 圖像處理
3．1 點算子
3．1．1 像素變換
3．1．2彩色變換
3．1．3合成與摳圖
3．1．4直方圖均衡化
3．1．5應用：色調調整
3．2 線性濾波
3．2．1 可分離的濾波
3．2．2線性濾波示例
3．2．3 帶通和導向濾波器
3．3 更多的鄰域算子
3．3．1 非線性濾波
3．3．2 形態學
3．3．3 距離變換
3．3．4 連通量
3．4傅里葉變換
3．4．1 傅里葉變換對
3．4．2二維傅里葉變換
3．4．3 維納濾波
3．4．4應用：銳化，模糊和去噪
3．5金字塔與小波
3．5．1 插值
3．5．2 降采樣
3．5．3 多分辨率表達
3．5．4 小波
3．5．5應用：圖像融合
3．6 幾何變換
3．6．1 參數化變換
3．6．2基于網格的卷繞
3．6．3 應用：基于特征的變形
3．7全局優化
3．7．1 正則化
3．7．2 馬爾科夫隨機場
3．7．3應用：圖像的恢復
3．8補充閱讀
3．9 習題
第4章特征檢測與匹配
4．1點和塊
4．1．1特征檢測器
4．1．2特征描述子
4．1．3 特征匹配
4．1．4特征跟蹤
4．1．5應用：表演驅動的動畫
4．2 邊緣
4．2．1 邊緣檢測
4．2．2 邊緣連接
4．2．3 應用：邊緣編輯和增強
4．3 線條
4．3．1逐次近似
4．3．2 Hough變換
4．3．3 消失點
4．3．4應用：矩形檢測
4．4擴展閱讀
4．5 習題
第5章 分割
5．1 活動輪廓
5．1．1 蛇行
5．1．2動態蛇行和CONDENSATION
5．1．3 剪刀
5．1．4水平集
5．1．5應用：輪廓跟蹤和轉描機
5．2分裂與歸并
5．2．1 分水嶺
5．2．2 區域分裂（區分式聚類）
5．2．3 區域歸并（凝聚式聚類）
5．2．4基于圖的分割
5．2．5 概率聚集
5．3 均值移位和模態發現
5．3．1 k—均值和高斯混合
5．3．2 均值移位
5．4規范圖割
5．5 圖割和基于能量的方法
5．6補充閱讀
5．7 習題
第6章 基于特征的配準
6．1基于2D和3D特征的配準
6．1．1使用*小二乘的2D配準
6．1．2應用：全景圖
6．1．3迭代算法
6．1．4魯棒*小二乘和RANSAC
6．1．5 3D配準
6．2 姿態估計
6．2．1 線性算法
6．2．2 迭代算法
6．2．3應用：增強現實
6．3 幾何內參數標定
6．3．1 標定模式
6．3．2 消失點
6．3．3應用：單視圖測量學
6．3．4 旋轉運動
6．3．5徑向畸變
6．4補充閱讀
6．5 習題
第7章 由運動到結構
7．1 三角測量
7．2 二視圖由運動到結構
7．2．1 投影（未標定的）重建
7．2．2 自標定
7．2．3應用：視圖變形
7．3 因子分解
7．3．1透視與投影因子分解
7．3．2應用：稀疏3D模型提取
……
第8章 稠密運動估計
第9章 圖像拼接
第10章 計算攝影學
第11章 立體視覺對應
第12章 3D重建
第13章 基于圖像的繪制
第14章 識別
第15章 結語
附錄A 線性代數與數值方法
附錄B 貝葉斯建模與推斷
附錄C 補充材料
詞匯表
展開全部
計算機視覺:算法與應用 作者簡介
作者簡介： Richard Szeliski博士，計算機視覺領域的大師級人物。Szeliski博士在計算機視覺研究方面有25年以上的豐富經驗，先后任職干DEC和微軟研究院。1996年，他在微軟研究院任職期間，提出一種基于運動的全景圖像拼接模型，采用L-M算法，通過求圖像間的幾何變換關系來進行圖像匹配。此方法是圖像拼接領域的經典算法，Richard Szeliski也因此成為圖像拼接領域的奠基人。 譯者簡介： 艾海舟博士，清華大學計算機系教授，IEEE高級會員和IEEE CS會員。先后于1985年、1988年和1991年獲得清華大學工學學士、碩士和博士學位，博士論文榮獲“1992年度清華大學優秀博士論文”獎。1994—1996年，在比利時布魯塞爾自由大學做博士后研究。目前，在清華大學教授“數字圖像處理”和“計算機視覺”課程，研究方向為計算機視覺與模式識別。發表學術論文80余篇。
書友推薦
- >
月亮虎
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:故事新編
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
經典常談
- >
朝聞道
- >
月亮與六便士
- >
山海經
本類暢銷
