【章名目錄】

第 1章　緒論　1

第 2章　線性濾波器　8

第3章　圖像邊緣提取與模型擬合　27

第4章　局部特征提取　56

第5章　圖像分割　81

第6章　圖像檢索與分類　94

第7章　目標(biāo)檢測(cè)與跟蹤　117

第8章　攝像機(jī)幾何與標(biāo)定　144

第9章　三維重建　175



【詳細(xì)目錄】

第 1章　緒論　1

1.1 計(jì)算機(jī)視覺概述　1

1.2 相關(guān)學(xué)科　2

1.3 發(fā)展歷程　3

1.4 應(yīng)用領(lǐng)域　5

本章小結(jié)　7

習(xí)題 　7



第 2章　線性濾波器　8

2.1 卷積　8

2.1.1 圖像表示與線性濾波　8

2.1.2 卷積的定義　10

2.1.3 卷積的性質(zhì)　11

2.1.4 卷積示例　11

2.1.5 動(dòng)手實(shí)踐：圖像銳化　13

2.2 圖像去噪　14

2.2.1 噪聲分析　14

2.2.2 中值濾波器　16

2.2.3 動(dòng)手實(shí)踐：去除圖像中的椒鹽噪聲　18

2.2.4 高斯濾波　20

2.2.5 動(dòng)手實(shí)踐：去除圖像中的高斯噪聲　24

本章小結(jié)　26

習(xí)題 　26



第3章　圖像邊緣提取與模型擬合　27

3.1 圖像邊緣與圖像求導(dǎo)　27

3.1.1 邊緣的位置特點(diǎn)　27

3.1.2 圖像導(dǎo)數(shù)與梯度　29

3.1.3 高斯一階偏導(dǎo)核　30

3.1.4 動(dòng)手實(shí)踐：圖像求導(dǎo)　33

3.2 邊緣檢測(cè)　35

3.2.1 Canny邊緣檢測(cè)器　35

3.2.2 動(dòng)手實(shí)踐：車道線檢測(cè)　37

3.3 模型擬合　38

3.3.1 最小二乘擬合　38

3.3.2 魯棒擬合　41

3.3.3 RANSAC算法　42

3.3.4 動(dòng)手實(shí)踐：RANSAC直線擬合　45

3.3.5 霍夫變換　47

3.4 動(dòng)手實(shí)踐：硬幣定位　53

本章小結(jié)　55

習(xí)題 　55



第4章　局部特征提取　56

4.1 圖像拼接問題與局部特征　56

4.2 Harris-Laplace檢測(cè)器　59

4.2.1 Harris角點(diǎn)檢測(cè)器　59

4.2.2 尺度不變理論　65

4.2.3 LoG算子　67

4.3 SIFT特征　72

4.3.1 DoG尺度空間　72

4.3.2 SIFT特征點(diǎn)檢測(cè)　74

4.3.3 SIFT特征描述子　75

4.4 動(dòng)手實(shí)踐：圖像拼接　76

本章小結(jié)　80

習(xí)題 　80



第5章　圖像分割　81

5.1 圖像分割概述　81

5.2 人類視覺分組與格式塔理論　82

5.3 基于像素聚類的圖像分割　83

5.3.1 基于K-means的圖像分割　83

5.3.2 基于均值漂移的圖像分割　85

5.3.3 動(dòng)手實(shí)踐：圖像分割　89

本章小結(jié)　92

習(xí)題 　93



第6章　圖像檢索與分類　94

6.1 圖像分類任務(wù)概述　94

6.1.1 圖像分類任務(wù)的難點(diǎn)　95

6.1.2 圖像分類任務(wù)的評(píng)價(jià)指標(biāo)　98

6.1.3 數(shù)據(jù)驅(qū)動(dòng)的圖像分類系統(tǒng)的基本范式　99

6.2 詞袋模型與圖像檢索　100

6.2.1 文本詞袋模型　100

6.2.2 TF-IDF加權(quán)　101

6.2.3 視覺詞袋模型　102

6.2.4 動(dòng)手實(shí)踐：基于詞袋模型的圖像檢索　104

6.3 基于詞袋模型的圖像分類　107

6.3.1 線性分類模型　107

6.3.2 多類支持向量機(jī)損失　108

6.3.3 模型優(yōu)化　109

6.3.4 欠擬合與過擬合　110

6.3.5 動(dòng)手實(shí)踐：場(chǎng)景圖像分類　111

本章小結(jié)　116

習(xí)題 　116



第7章　目標(biāo)檢測(cè)與跟蹤　117

7.1 目標(biāo)檢測(cè)任務(wù)概述　117

7.2 基于滑動(dòng)窗口的目標(biāo)檢測(cè)范式　118

7.3 基于AdaBoost的人臉檢測(cè)　121

7.3.1 人臉檢測(cè)任務(wù)概述　121

7.3.2 AdaBoost算法　121

7.3.3 構(gòu)建弱分類器　122

7.3.4 級(jí)聯(lián)結(jié)構(gòu)　125

7.3.5 動(dòng)手實(shí)踐：人臉檢測(cè)　127

7.4 基于HOG特征的行人檢測(cè)　129

7.4.1 行人檢測(cè)任務(wù)概述　130

7.4.2 HOG特征　130

7.4.3 應(yīng)用HOG特征實(shí)現(xiàn)行人檢測(cè)　131

7.4.4 動(dòng)手實(shí)踐：行人檢測(cè)　132

7.5 基于光流的運(yùn)動(dòng)跟蹤　133

7.5.1 光流計(jì)算基本等式　134

7.5.2 Lucas-Kanade光流計(jì)算　136

7.5.3 動(dòng)手實(shí)踐：車輛運(yùn)動(dòng)跟蹤　138

本章小結(jié)　142

習(xí)題 　142



第8章　攝像機(jī)幾何與標(biāo)定　144

8.1 針孔模型與透鏡　144

8.1.1 針孔攝像機(jī)　144

8.1.2 透鏡成像　148

8.2 攝像機(jī)幾何　151

8.2.1 齊次坐標(biāo)　151

8.2.2 坐標(biāo)系變換和剛體變換　153

8.2.3 一般攝像機(jī)的幾何模型　157

8.2.4 透視投影矩陣的性質(zhì)　161

8.3 攝像機(jī)標(biāo)定　161

8.3.1 投影矩陣估計(jì)　161

8.3.2 退化情況　163

8.4 徑向畸變的攝像機(jī)標(biāo)定　164

8.4.1 徑向畸變模型　164

8.4.2 徑向畸變標(biāo)定　165

8.5 動(dòng)手實(shí)踐：攝像機(jī)標(biāo)定　167

本章小結(jié)　173

習(xí)題 　173



第9章　三維重建　175

9.1 三維重建基礎(chǔ)　175

9.1.1 三角化的概念　175

9.1.2 三角化的線性解法　177

9.1.3 三角化的非線性解法　178

9.2 極幾何與基礎(chǔ)矩陣　179

9.2.1 極幾何　179

9.2.2 本質(zhì)矩陣與基礎(chǔ)矩陣　180

9.2.3 基礎(chǔ)矩陣估計(jì)　182

9.2.4 動(dòng)手實(shí)踐：基礎(chǔ)矩陣估計(jì)　184

9.3 雙目立體視覺　190

9.3.1 基于平行視圖的雙目立體視覺　190

9.3.2 圖像校正　194

9.3.3 對(duì)應(yīng)點(diǎn)搜索　197

9.3.4 動(dòng)手實(shí)踐：雙目立體視覺定位　201

本章小結(jié)　208

習(xí)題 　208



參考文獻(xiàn)　210