《三维计算机视觉》求取 ⇩

第一章　计算机视觉概述1

1.1　概述1

1.2　计算机视觉的相关领域3

1.3　三维计算机视觉的硬件系统7

1.4　人的视觉与计算机视觉的比较9

1.5　三维计算机视觉研究的现状11

第二章　景物的图像生成16

2.1　图象及其表示16

2.1.1　图象16

2.1.2　图象函数17

2.1.3　图象的频域表示18

2.1.4　离散图象20

2.1.5　二维图象31

2.2　摄像机的图象生成模型34

2.2.1　单摄像机成像几何模型35

2.2.2　双目成像几何模型37

2.2.3　双目光度立体模型42

2.3　彩色空间44

2.3.1　三色原理45

2.3.2　RGB表色系统46

2.3.3　XYZ表色系统48

2.3.4　YIQ表色系统52

2.4　计算机视觉的成像设备54

2.4.1　照明设备54

2.4.2　图象采集设备55

第三章　特征提取60

3.1　图象边缘检测60

3.1.1　多面体图象的边缘线60

3.1.2　空间微分法61

3.1.3　梯度法63

3.1.4　拉普拉斯算子65

3.1.5　零交点的提取67

3.1.6　最佳适配的边缘检测69

3.2　线检测70

3.2.1　线检测算子71

3.2.2　非极大点抑制72

3.2.3　边界跟踪72

3.2.4　Hough变换78

3.2.5　广义Hough变换80

3.3　局部边缘连接82

3.3.1　Roberts边缘连接83

3.3.2　利用张弛法的边界连接84

3.4　区域方法85

3.4.1　区域合并86

3.4.2　区域分离91

3.5　景物特征提取95

3.5.1 由亮度确定形状97

3.5.2　由轮廓确定形状98

第四章　图象特征的描述101

4.1　边界描述符101

4.1.1　链码表示101

4.1.2　特征图104

4.1.3　多边形近似105

4.1.4　付氏描述符108

4.2　域描述符109

4.2.1　简单描述符109

4.2.2　纹理110

4.2.3　矩不变量113

4.3　线的表示114

4.3.1　样条函数115

4.3.2　平滑样条函数116

4.3.3　参数样条函数117

4.3.4　B-样条函数118

4.4　点序列的分割120

4.4.1　利用直线的近似法120

4.4.2　利用曲线的近似法121

4.5　拟合线方程式125

4.5.1　利用沿单轴方向的误差125

4.5.2　利用两变量线等式的误差126

4.5.3 利用各点到拟合线的距离126

4.6　线和区域间的转换130

4.6.1　边界检测130

4.6.2　边界跟踪132

4.6.3　邻接与连通的关系135

4.6.4　标记连通区域139

第五章　线画的解释144

5.1　基于匹配的线画解释144

5.2　线画的解释149

5.2.1　线及结点标记149

5.2.2　用标记解释线画152

5.2.3　序贯标记的线画解释153

5.2.4　不完全线画的解释155

5.2.5 利用张弛法（relaxation）的标记158

5.2.6　带阴影的线画解释160

5.3　线画的分解162

5.4　三维模型及学习165

5.4.1　三维模型的利用165

5.4.2　构建三维模型166

5.4.3　三维模型的学习167

第六章　立体视觉171

6.1　立体视觉理论171

6.2　基于区域的立体视觉173

6.2.1　特征点的提取173

6.2.2　区域相似性的测量174

6.2.3　确定对应关系176

6.2.4　多级匹配181

6.2.5　利用动态规划的匹配182

6.3　基于特征的立体视觉183

6.3.1　基于边界的立体视觉184

6.3.2　基于零交点的立体视觉185

6.4　匹配误差估算与校正189

6.4.1　视差的逐行匹配189

6.4.2　检测与校正类型I误差192

6.4.3　匹配算法的定量比较195

6.5　立体视觉发展方向197

第七章　由单目图象获取形状197

7.1　从阴影获取形状200

7.1.1　梯度空间200

7.1.2　反射图202

7.1.3　表面平滑约束207

7.2　光度立体法211

7.2.1　照度方程211

7.2.2　光度立体算法212

7.2.3 由表面方向确定深度216

7.2.4　算法的实现218

7.2.5　光度立体法精度问题222

7.3　双光度立体法223

7.3.1　利用摄像机模型转换表面方向224

7.3.2　分割表面方向图227

7.3.3　区域匹配230

7.3.4　确定表面绝对深度233

7.4　由对景物的几何约束获取形状237

7.4.1　由平行线获取表面方向238

7.4.2　由纹理获取形状241

第八章 三维场景描述与表示241

8.1　三维曲线表示244

8.1.1　3D曲线段244

8.1.2　三维B-样条曲线246

8.2　三维表面表示247

8.2.1　三维表面的隐含表示247

8.2.2 Coons表面片249

8.2.3　三维B-样条表面252

8.2.4　球面函数表示的表面254

8.2.5　曲表面特性257

8.3　三维体积表示259

8.3.1　线框架表示259

8.3.2　单元分解260

8.3.3　结构立体几何（CSG）表示261

8.3.4　体积表示法263

8.4　广义圆柱表示270

第九章　视觉信息的知识表示270

9.1　视觉知识的类型275

9.1.1　知识的分类275

9.1.2　关于景物知识276

9.2　视觉知识表示277

9.2.1　过程与说明表示278

9.2.2　产生式表示（或规则表示）282

9.2.3　黑板表示284

9.2.4　框架表示286

9.2.5　视觉信息的语义网络表示288

9.2.6　设计知识表示的准则296

9.3　视觉信息处理控制策略296

9.3.1　自底向上控制297

9.3.2 自顶向下控制298

9.3.3　反馈控制299

9.3.4　非分层控制300

9.3.5　混合控制301

9.4　知识库与视觉专家系统302

9.4.1　知识库的建立302

9.4.2　视觉分析现状303

9.4.3　视觉专家系统特点304

9.4.4　视觉专家系统知识表示306

9.4.5　推理机307

9.4.6　用户接口308

9.4.7　几个典型的视觉专家系统308

第十章 利用模型的图象理解308

10.1　利用图模型曲面物体的识别313

10.1.1　景物的图象描述313

10.1.2　图模型匹配的计算313

10.1.3　匹配策略314

10.2　验证视觉的匹配316

10.2.1　特征点匹配316

10.2.2　无对应的特征点匹配319

10.2.3 由表面模型综合灰度图象的匹配321

10.3　EGI表示及匹配322

10.3.1　EGI表示及约束323

10.3.2 EGI匹配的自由度325

　 10.3.3　坐标系的定义327

10.3.4 EGI质量中心328

10.3.5　EGI惯性方向329

10.3.6　规格化EGI：非凸面物体330

10.3.7　EGI匹配函数331

10.3.8 EGI用作高级模型的物体识别332

10.4　利用分割的多物体识别334

10.4.1　分割表面方向图335

10.4.2　表面方向的标记分割336

10.5　无分割的识别339

10.5.1　识别处理的概述339

10.5.2　三维景物的描述340

10.5.3　模型的匹配342

10.5.4　区域间的匹配346

10.5.5　景物解释348

10.6　图象理解系统349

附录355

主要参考文献391