《计算机视觉：算法与系统原理》求取 ⇩

第一章 概论1

1.1 人类视觉系统的构成与视觉机理2

1.1.1 眼睛3

1.1.2 视觉神经系统4

1.1.3 视觉机理假说6

1.1.4 视觉中的一些心理和生理特征与现象8

1.1.5 视知觉对深度的感知13

1.2 计算机视觉研究的特点15

1.3 计算机视觉与相关领域的关系16

1.4 计算机视觉的发展17

第二章 计算机视觉中的空间关系20

2.1 根本概念20

2.2 成象模型与视觉坐标系21

2.3 齐次坐标与N矢量23

2.4 平面对偶原理27

2.5 直射变换、对射变换与标准极变换28

2.6.1 N速度与轨迹37

2.6 平移运动37

2.6.2 平移运动的出现点与从平移恢复形状38

2.7 旋转运动41

2.7.1 旋转变换41

2.7.2 旋转矩阵的计算42

2.8 一般刚体运动45

2.8.1 一般刚体运动的坐标变换46

2.8.2 平面投影图象的变换48

2.8.3 变换参数的计算52

2.8.4 面参数的计算54

2.8.5 一般刚体运动分析56

第三章 立体视觉59

3.1 一般性原理59

3.2 内极点、内极线与内极平面60

3.2.1 一般情况60

3.2.2 平行立体视中的内极线约束63

3.3.1 双目配准65

3.3 立体视中的配准65

3.3.2 三目配准75

3.4 三级表面重建78

第四章 运动分析83

4.1 运动场与光流83

4.1.1 运动场83

4.1.2 光流84

4.2 基于梯度的光流计算84

4.2.1 基本等式的引入85

4.2.2 光流计算与附加约束85

4.3 基于区域匹配的光流计算方法92

4.3.1 基于保守信息的初始速度场估计92

4.3.2 利用领域信息的求精93

4.3.3 采用Kalman滤波器的速度场估计94

4.4 光流计算的其他方法96

4.5 从运动恢复结构98

4.5.1 空间运动与对应视平面的运动场98

4.5.2 平面对象的光流100

第五章 基于其他线索的三维信息恢复108

5.1 从阴影恢复三维形状108

5.1.1 成象过程的数学模型108

5.1.2 反射图方法110

5.1.3 球状点假设方法111

5.2 从纹理恢复三维形状121

5.2.1 基于纹理梯度的方法122

5.2.2 基于收敛线的方法126

5.2.3 基于正规化纹理属性图的方法126

5.2.4 由形变估计表面方向128

5.3 融合阴影与纹理的立体视觉131

5.3.1 光度立体技术131

5.3.2 纹理立体技术131

第六章 不确定性视觉计算133

6.1 视觉逆问题及其不确定性134

6.1.1 成象过程与视觉计算134

6.1.2 逆问题与不确定性135

6.2 不确定性的描述与求解136

6.2.1 有限晶格系统 MRF与Gibbs分布136

6.2.2 估计构造138

6.2.3 问题求解142

6.2.4 参数估计143

6.3 基于不确定性方法的边缘检测146

6.3.1 模型的建立146

6.3.2 估计的求解149

6.4 基于不确定性方法的立体视视差计算150

6.4.1 构造估计问题150

6.4.2 WTA网络151

6.5 小结153

第七章 高层表示154

7.1 二维图象的表示154

7.1.1 边界表示154

7.2 三维物体的几何模型156

7.1.2 区域表示156

7.2.1 物体的结构表示157

7.2.2 物体的多视特征表示164

7.3 空间物体的关系模型166

7.3.1 语义网的概念166

7.3.2 属性超图170

7.3.3 语义网的操作172

7.3.4 其他知识表达方法介绍181

8.1 主动视觉186

第八章 主动视觉与融合186

8.1.1 从阴影恢复形状187

8.1.2 从运动恢复结构193

8.1.3 主动跟踪197

8.1.4 通过变形模板提取面部特征198

8.2 视觉计算与融合技术203

8.2.1 融合处理中需考虑的问题204

8.2.2 不同级融合的一个例子206

8.2.3 融合的一般方法207

8.2.4 物体识别与信息融合214

第九章 计算机视觉系统219

9.1 引言219

9.2 三维物体识别219

9.2.1 三维物体识别概念219

9.2.2 物体识别系统的组成及特性220

9.2.3 物体识别的模型组织与特性221

9.3 视觉系统中的若干问题226

9.3.1 视觉系统中的控制226

9.3.2 视觉系统中的推理与规划227

9.3.3 视觉系统中的学习233

9.4 三维计算机视觉系统234

9.4.1 ACRONYM--基于模型驱动的视觉系统234

9.4.2 INGEN--用于一般形状物体识别的视觉系统237

9.5 通用图象理解环境243

9.5.1 KBVision--基于知识的图象理解环境243

9.5.2 IUE--通用图象理解环境251

参考文献254

附录一 算法证明264

1.1 算法2.3 的证明264

1.2 算法2.4 的计算过程271

附录二 IUE 中类的谱系图275

2.1 IUE 基本类谱系图275

2.2 IUE 图象类谱系图278

2.3 IUE 空间对象类谱系图279

2.4 IUE 图象特征类谱系图286

2.5 IUE 坐标系与变换类谱系图288

2.6 IUE 空间索引类谱系图290

2.7 IUE 传感器类谱系图291

2.8 IUE 传感器模型类谱系图293

2.9 IUE 射线类谱系图294

2.10 IUE镜头类谱系图295

2.11 IUE滤波器类谱系图295

2.12 IUE 景物类谱系图297

2.13 IUE统计类谱系图298