電腦視覺基礎

付瑩

電腦視覺基礎 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-06-01
  • 定價: $414
  • 售價: 8.5 折 $352
  • 語言: 簡體中文
  • ISBN: 7302661227
  • ISBN-13: 9787302661221
  • 相關分類: Computer Vision

    • 下單後立即進貨 (約4週~6週)

  • 電腦視覺基礎-preview-1
  • 電腦視覺基礎-preview-2
  • 電腦視覺基礎-preview-3
電腦視覺基礎-preview-1

買這商品的人也買了...

相關主題

商品描述

本書全面介紹電腦視覺的基礎知識體系，包括電腦視覺的各種典型任務、算法和應用。首先介紹電腦視覺的基礎知識和典型任務，分析相機成像的基本原理和模型，並展示如何進行基本的圖像處理，從一幅圖像中提取關鍵特徵；然後依次介紹用於解決圖像識別、目標檢測、圖像分割和立體視覺等常見視覺任務的傳統方法；之後介紹時下流行的深度學習技術在電腦視覺各領域中的應用；最後介紹電腦視覺技術在智慧交通、對地監測、醫學圖像診斷等現實生活中的應用。 本書面向電腦視覺領域的初學者，語言簡潔易懂，配套習題和代碼實現，旨在幫助讀者理解和掌握電腦視覺的基本理論和方法，有能力查閱相關文獻進行更深入的研究。

目錄大綱

目錄

第1章電腦視覺概述

1.1簡介

1.1.1基本概念

1.1.2典型任務

1.2發展脈絡

1.3面臨的挑戰

1.4本書的章節安排

習題

參考文獻

第2章數字圖像的形成

2.1數字圖像的基本屬性

2.1.1數字圖像的組成

2.1.2顏色與光譜特性

2.1.3圖像的對比度、亮度與飽和度

2.1.4圖像的特徵類別

2.2數字圖像的採集

2.2.1成像的流程

2.2.2圖像信號處理

2.2.3成像的基本參數

2.2.4鏡頭和傳感器

本章小結

習題

參考文獻

第3章幾何標定

3.1相機幾何

3.1.1針孔相機模型

3.1.2簡單透鏡模型

3.1.3平移、旋轉與剛體變換

3.1.4齊次坐標系統

3.1.5縮放、仿射與投影變換

3.1.6相機參數

3.1.7鏡頭畸變

3.2幾何標定

3.2.1張正友標定法

3.2.2角點檢測與配對

3.2.3單應性矩陣求解

3.2.4相機參數求解

3.2.5相機參數細調

3.3幾何標定實踐

3.3.1使用Python和OpenCV標定相機

3.3.2畸變矯正

本章小結

習題

參考文獻

第4章圖像處理基礎

4.1空間域圖像處理與濾波器

4.2線性濾波

4.2.1均值濾波

4.2.2方框濾波

4.2.3高斯濾波

4.2.4線性濾波總結

4.3非線性濾波

4.3.1中值濾波

4.3.2最大最小值濾波

4.3.3雙邊濾波

4.4頻域處理

4.4.1傅里葉變換

4.4.2快速傅里葉變換和圖像的頻域變換

4.4.3相關應用

4.5金字塔與小波變換

4.5.1圖像縮放

4.5.2圖像金字塔

4.5.3小波變換

本章小結

習題

參考文獻

第5章特徵檢測與匹配

5.1邊緣檢測

5.1.1基本原理

5.1.2邊緣檢測算子

5.1.3Canny邊緣檢測算法

5.2線的檢測

5.2.1基本原理

5.2.2Hough變換

5.2.3RANSAC直線檢測

5.3Harris角點檢測

5.3.1基本原理

5.3.2計算流程

5.3.3多尺度Harris角點

5.4特徵描述子

5.4.1SIFT描述子

5.4.2MOPS描述子

5.4.3HOG描述子

5.5特徵匹配

5.5.1匹配計算

5.5.2圖像對齊

本章小結

習題

參考文獻

第6章識別與檢測

6.1基礎知識

6.1.1圖像識別

6.1.2目標檢測

6.1.3評價指標

6.1.4常用數據集

6.2圖像識別

6.2.1kNN算法

6.2.2詞袋模型

6.2.3捲積神經網絡

6.3目標檢測

6.3.1基於滑窗的檢測器檢測流程

6.3.2VJ檢測器

6.3.3HOG行人檢測器

6.3.4基於形變部件的檢測器

本章小結

習題

參考文獻

第7章聚類與分割

7.1基本概念

7.1.1圖像分割

7.1.2像素聚類

7.2聚類

7.2.1AGNES算法

7.2.2k均值

7.2.3均值漂移聚類

7.3基於聚類的分割

7.4基於圖論的分割

7.4.1圖論的基礎知識

7.4.2基於圖論的凝聚式分割

7.4.3基於圖論的分解式分割

本章小結

習題

參考文獻

第8章立體視覺

8.1人類的立體視覺

8.2對極幾何學

8.2.1對極約束

8.2.2雙目矯正

8.3雙目匹配

8.3.1預處理與代價計算

8.3.2代價聚合

8.3.3後處理

8.3.4雙目匹配實踐

8.4平面掃描

8.5立體視覺應用

8.5.1SLAM

8.5.2深度估計

8.5.3雙目視覺導航

本章小結

習題

參考文獻

第9章捲積神經網絡基礎

9.1捲積神經網絡的基本組成

9.1.1捲積

9.1.2池化

9.1.3全連接層

9.1.4批歸一化

9.1.5隨機失活

9.2捲積神經網絡求導

9.2.1全連接網絡求導

9.2.2捲積層求導

9.2.3池化層求導

9.3典型的分類模型

9.3.1AlexNet

9.3.2VGG

9.3.3GoogLeNet

9.3.4ResNet

9.3.5SENet

9.4捲積神經網絡實踐

9.4.1數據準備

9.4.2網絡搭建

9.4.3訓練代碼

本章小結

習題

參考文獻

第10章基於捲積神經網絡的視覺應用

10.1目標檢測

10.1.1基本流程

10.1.2Faster RCNN算法

10.1.3YOLO算法

10.1.4SSD算法

10.2目標分割

10.2.1基本流程

10.2.2FCN

10.2.3UNet

10.2.4DeepLab v3+

10.3其他典型應用

10.3.1圖像超分

10.3.2圖像生成

10.3.3光流估計

10.3.4目標跟蹤

本章小結

習題

參考文獻

第11章電腦視覺的實踐應用

11.1智慧交通系統

11.1.1交通監視

11.1.2自動駕駛

11.2空對地監視系統

11.2.1無人機監視

11.2.2遙感圖像識別

11.3醫學圖像診斷

11.3.1常見的醫學圖像類型

11.3.2常見的醫學圖像應用

本章小結

習題

參考文獻

類似商品