計算機視覺

第1章 計算機視覺概述
1.1 計算機視覺簡介
1.2 計算機視覺的發(fā)展歷史
1.3 計算機視覺領域的學術會議和期刊
1.4 計算機視覺的應用
1.4.1 智能機器人
1.4.2 醫(yī)學圖像分析
1.4.3 智能交通
1.4.4 智能監(jiān)控
1.4.5 日常應用
1.5 計算機視覺面臨的挑戰(zhàn)
思考題
第2章 圖像的形成
2.1 成像幾何學
2.1.1 成像模型
2.1.2 攝像機參數(shù)
2.1.3 攝像機標定
2.2 成像物理學
2.2.1 成像物理模型
2.2.2 光度立體
2.2.3 高動態(tài)范圍圖像
2.2.4 曝光融合
2.3 顏色分析
2.3.1 三基色原理
2.3.2 顏色空間
2.3.3 色彩恒常
2.3.4 陰影去除
2.4 數(shù)字相機
思考題
第3章 圖像處理
3.1 線性濾波器
3.2 非線性濾波器
3.3 邊緣檢測
3.3.1 邊緣檢測算子
3.3.2 Canny邊緣檢測算法
3.4 傅里葉變換
思考題
第4章 圖像的局部特征
4.1 角點檢測
4.1.1 Harris角點的檢測
4.1.2 SIFT的檢測
4.2 區(qū)域表示
4.2.1 梯度方向直方圖
4.2.2 SIFT的表示
思考題
第5章 紋理分析
5.1 紋理簡介
5.2 紋理的表示
5.2.1 灰度同現(xiàn)矩陣
5.2.2 詞袋模型
5.3 紋理的合成
思考題
第6章 圖像分割
6.1 圖像分割的定義
6.2 基于區(qū)域的圖像分割方法
6.2.1 區(qū)域生長法
6.2.2 區(qū)域分裂與合并法
6.2.3 分水嶺算法
6.3 基于聚類的圖像分割方法
6.3.1 層次聚類與分裂聚類
6.3.2 基于K-means的圖像分割
6.3.3 基于均值遷移的圖像分割
6.4 基于圖的圖像分割
6.5 基于馬爾科夫隨機場的圖像分割
6.6 基于運動的圖像分割
6.7 交互式的圖像分割
6.8 圖像分割的評價
思考題
第7章 模型擬合
7.1 最小二乘法估計直線
7.2 魯棒估計方法
7.3 霍夫變換
7.4 RANSAC方法
7.5 基于概率的擬合方法
7.6 最大期望算法
7.7 模型選擇
7.7.1 AIC
7.7.2 BIC
7.7.3 最小描述長度
思考題
第8章 三維重建
8.1 立體視覺
8.1.1 外極線約束
8.1.2 視差與深度
8.1.3 立體匹配
8.2 運動視覺
8.2.1 兩視角的運動視覺
8.2.2 多視角的運動視覺
8.2.3 運動視覺的應用
思考題
第9章 視覺目標跟蹤
9.1 視覺目標跟蹤簡介
9.2 產(chǎn)生式跟蹤方法
9.2.1 粒子濾波
9.2.2 基于稀疏編碼的目標表示
9.3 判別式跟蹤方法
9.3.1 相關濾波
9.3.2 基于在線多示例學習的目標跟蹤算法
9.4 多目標跟蹤方法
9.4.1 無模型約束的方法
9.4.2 基于檢測（關聯(lián)）的跟蹤方法
9.5 數(shù)據(jù)集及評價方法
9.5.1 目標跟蹤數(shù)據(jù)集
9.5.2 VOT數(shù)據(jù)集
9.5.3 多目標跟蹤數(shù)據(jù)集
思考題
第10章 圖像分類
10.1 全局圖像特征
10.1.1 顏色直方圖
10.1.2 顏色矩
10.1.3 形狀特征
10.1.4 GIST特征
10.1.5 主成分分析
10.1.6 線形判別分析
10.2 分類器
10.2.1 最近鄰分類器
10.2.2 基于類直方圖的分類器
10.2.3 基于分界面的分類器
10.3 圖像分類的評價標準
10.3.1 混淆矩陣
10.3.2 ROC曲線
10.3.3 AUC
思考題
第11章 物體檢測
11.1 基于滑動窗口的物體檢測方法
11.1.1 基于Haar特征和AdaBoost算法的人臉檢測方法
11.1.2 基于級聯(lián)分類器的物體檢測方法
11.1.3 基于可變形部件模型的物體檢測方法
11.2 基于區(qū)域提名的物體檢測方法
11.2.1 選擇性搜索
11.2.2 Objectness
11.2.3 EdgeBox
11.3 物體檢測常用數(shù)據(jù)集
11.3.1 PASCAL VOC數(shù)據(jù)集
11.3.2 MS COCO數(shù)據(jù)集
11.3.3 ImageNet數(shù)據(jù)集
11.4 物體檢測評價指標
思考題
第12章 深度學習與計算機視覺
12.1 深度學習
12.2 深度學習與人臉識別
12.2.1 DeepFace
12.2.2 DeepID系列
12.2.3 FaceNet
12.3 深度學習與物體檢測
12.3.1 R-CNN
12.3.2 SPP-Net
12.3.3 Fast R-CNN
12.3.4 Faster R-CNN
12.3.5 YOLO
12.3.6 Mask R-CNN
12.4 深度學習與目標跟蹤
思考題
參考文獻