2020/12/09 已下載電子書
2020/12/09 已下載電子書
影像處理技術手冊
資料來源: https://pan.baidu.com/s/14h-XxAULD9R3acDGaYcvqQ 提取碼：sfal
基礎篇 第1部分 影像處理 1 影像處理的歷史 2 數位圖像與處理 3 圖像模型 4 圖像的幾何學 5 模式識別字與神經網路 6 圖像理解與電腦視覺 7 影像處理與鬆弛法基礎篇 第2部分 關聯知識 1 視覺 2 光與色 3 波動光學 4 輻射傳遞理論 5 圖像、統計與概率 6 圖像線性變換 7 計算幾何學與數學形態學 8 模糊理論和影像處理應用篇 第1部分 投影 1 圖像重建 2 圖像烣複 3 校正 4 灰度和顏色資訊的變換 5 空間資訊的變換 6 幾何學資訊的變換 7 圖像的資料壓縮 8 2值影像處理應用篇 第2部分 識別 1 分類 2 區域分割 3 匹配應用篇 第3部分 專題 1 圖像的特殊效果 2 圖形繪製 3 序列影像處理 4 文檔圖像解析 5 三維影像處理後記索引
影像處理、分析與機器視覺
資料來源: https://pan.baidu.com/s/1X8OiIRkF8t9wOv03Ib8S0g 提取碼：p713
目錄：
第1章 引言
1.1 動機
1.2 電腦視覺為什麼是困難的
1.3 圖像表達與圖像分析的任務
1.4 總結
1.5 習題
1.6 參考文獻
第2章 圖像及其表達與性質
2.1 圖像表達若干概念
2.2 圖像數位化
2.2.1 採樣
2.2.2 量化
2.3 數位圖像性質
2.3.1 數位圖像的度量和拓撲性質
2.3.2 長條圖
2.3.3 熵
2.3.4 圖像的視覺感知
2.3.5 圖像品質
2.3.6 圖像中的雜訊
2.4 彩色圖像
2.4.1 色彩物理學
2.4.2 人所感知的色彩
2.4.3 彩色空間
2.4.4 調色板圖像
2.4.5 顏色恒常性
2.5 攝像機概述
2.5.1 光敏感測器
2.5.2 黑白攝像機
2.5.3 彩色攝像機
2.6 總結
2.7 習題
2.8 參考文獻
第3章 圖像及其數學與物理背景
3.1 概述
3.1.1 線性
3.1.2 狄拉克（Dirac）分佈和卷積
3.2 積分線性變換
3.2.1 作為線性系統的圖像
3.2.2 積分線性變換引言
3.2.3 D傅裡葉變換
3.2.4 D傅裡葉變換
3.2.5 採樣與香農約束
3.2.6 離散余弦變換
3.2.7 小波變換
3.2.8 本征分析
3.2.9 奇異值分解
3.2.10 主分量分析
3.2.11 Radon變換
3.2.12 其他正交圖像變換
3.3 作為隨機過程的圖像
3.4 圖像形成物理
3.4.1 作為輻射測量的圖像
3.4.2 圖像獲取與幾何光學
3.4.3 鏡頭像差和徑向畸變
3.4.4 從輻射學角度看圖像獲取
3.4.5 表面反射
3.5 總結
3.6 習題
3.7 參考文獻
第4章 圖像分析的資料結構
4.1 圖像資料表示的層次
4.2 傳統圖像資料結構
4.2.1 矩陣
4.2.2 鏈
4.2.3 拓撲資料結構
4.2.4 關聯式結構
4.3 分層資料結構
4.3.1 金字塔
4.3.2 四叉樹
4.3.3 其他金字塔結構
4.4 總結
4.5 習題
4.6 參考文獻
第5章 圖像預處理
5.1 圖元亮度變換
5.1.1 位置相關的亮度校正
5.1.2 灰度級變換
5.2 幾何變換
5.2.1 圖元座標變換
5.2.2 亮度插值
5.3 局部預處理
5.3.1 圖像平滑
5.3.2 邊緣檢測運算元
5.3.3 二階導數過零點
5.3.4 影像處理中的尺度
5.3.5 Canny邊緣提取
5.3.6 參數化邊緣模型
5.3.7 多光譜圖像中的邊緣
5.3.8 頻域的局部預處理
5.3.9 用局部預處理運算元作線檢測
5.3.10 角點（興趣點）檢測
5.3.11 大穩定極值區域檢測
5.4 圖像復原
5.4.1 容易復原的退化
5.4.2 逆濾波
5.4.3 維納濾波
5.5 總結
5.6 習題
5.7 參考文獻
第6章 分割Ⅰ
6.1 閾值化
6.1.1 閾值檢測方法
6.1.2 優閾值化
6.1.3 多光譜閾值化
6.2 基於邊緣的分割
6.2.1 邊緣圖像閾值化
6.2.2 邊緣鬆弛法
6.2.3 邊界跟蹤
6.2.4 作為圖搜索的邊緣跟蹤
6.2.5 作為動態規劃的邊緣跟蹤
6.2.6 Hough變換
6.2.7 使用邊界位置資訊的邊界檢測
6.2.8 從邊界構造區域
6.3 基於區域的分割
6.3.1 區域歸併
6.3.2 區域分裂
6.3.3 分裂與歸併
6.3.4 分水嶺分割
6.3.5 區域增長後處理
6.4 匹配
6.4.1 模版匹配
6.4.2 模版匹配的控制策略
6.5 分割的評測問題
6.5.1 監督式評測
6.5.2 非監督式評測
6.6 總結
6.7 習題
6.8 參考文獻
第7章 分割Ⅱ
7.1 均值移位分割
7.2 活動輪廓模型——蛇行
7.2.1 經典蛇行和氣球
7.2.2 擴展
7.2.3 梯度向量流蛇
7.3 幾何變形模型——水準集和測地
?? 活動輪廓
7.4 模糊連線性
7.5 面向基於3D圖的圖像分割
7.5.1 邊界對的同時檢測
7.5.2 次優的表面檢測
7.6 圖割分割
7.7 優單和多表面分割
7.8 總結
7.9 習題
7.10 參考文獻
第8章 形狀表示與描述
8.1 區域標識
8.2 基於輪廓的形狀表示與描述
8.2.1 鏈碼
8.2.2 簡單幾何邊界表示
8.2.3 邊界的傅裡葉變換
8.2.4 使用片段序列的邊界描述
8.2.5 B樣條表示
8.2.6 其他基於輪廓的形狀描述方法
8.2.7 形狀不變數
8.3 基於區域的形狀表示與描述
8.3.1 簡單的標量區域描述
8.3.2 矩
8.3.3 凸包
8.3.4 基於區域骨架的圖表示
8.3.5 區域分解
8.3.6 區域鄰近圖
8.4 形狀類別
8.5 總結
8.6 習題
8.7 參考文獻
第9章 物體識別
9.1 知識表示
9.2 統計模式識別
9.2.1 分類原理
9.2.2 近鄰
9.2.3 分類器設置
9.2.4 分類器學習
9.2.5 支持向量機
9.2.6 聚類分析
9.3 神經元網路
9.3.1 前饋網路
9.3.2 非監督學習
9.3.3 Hopfield神經元網路
9.4 句法模式識別
9.4.1 語法與語言
9.4.2 句法分析與句法分類器
9.4.3 句法分類器學習與語法推導
9.5 作為圖匹配的識別
9.5.1 圖和子圖的同構
9.5.2 圖的相似度
9.6 識別中的優化技術
9.6.1 遺傳演算法
9.6.2 模擬退火
9.7 模糊系統
9.7.1 模糊集和模糊隸屬函數
9.7.2 模糊集運算
9.7.3 模糊推理
9.7.4 模糊系統設計與訓練
9.8 模式識別中的Boosting方法
9.9 隨機森林
9.9.1 隨機森林訓練
9.9.2 隨機森林決策
9.9.3 隨機森林擴展
9.10 總結
9.11 習題
9.12 參考文獻
0章 圖像理解
10.1 圖像理解控制策略
10.1.1 並行和連續處理控制
10.1.2 分層控制
10.1.3 自底向上的控制
10.1.4 基於模型的控制
10.1.5 混合的控制策略
10.1.6 非分層控制
10.2 SIFT：尺度不變特徵轉換
10.3 RANSAC：通過隨機抽樣一致來擬合
10.4 點分佈模型
10.5 活動表觀模型
10.6 圖像理解中的模式識別方法
10.6.1 基於分類的分割
10.6.2 上下文圖像分類
10.6.3 梯度方向長條圖-HOG
10.7 Boosted層疊分類器用於快速物體檢測
10.8 基於隨機森林的圖像理解
10.9 場景標注和約束傳播
10.9.1 離散鬆弛法
10.9.2 概率鬆弛法
10.9.3 搜索解釋樹
10.10 語義圖像分割和理解
10.10.1 語義區域增長
10.10.2 遺傳圖像解釋
10.11 隱瑪律可夫模型
10.11.1 應用
10.11.2 耦合的HMM
10.11.3 貝葉斯信念網路
10.12 瑪律科夫隨機場
10.12.1 圖像和視覺的應用
10.13 高斯混合模型和期望 大化
10.14 總結
10.15 習題
10.16 參考文獻
1章 D幾何，對應，從亮度到3D
11.1 D視覺任務
11.1.1 Marr理論
11.1.2 其他視覺範疇：主動和有目的的視覺
11.2 射影幾何學基礎
11.2.1 射影空間中的點和超平面
11.2.2 單應性
11.2.3 根據對應點估計單應性
11.3 單透視攝像機
11.3.1 攝像機模型
11.3.2 齊次坐標系中的投影和反投影
11.3.3 從已知場景標定一個攝像機
11.4 從多視圖重建場景
11.4.1 三角測量
11.4.2 射影重建
11.4.3 匹配約束
11.4.4 光束平差法
11.4.5 升級射影重建和自標定
11.5 雙攝像機和立體感知
11.5.1 極線幾何學——基本矩陣
11.5.2 攝像機的相對運動——本質
矩陣
11.5.3 分解基本矩陣到攝像機
矩陣
11.5.4 從對應點估計基本矩陣
11.5.5 雙攝像機矯正結構
11.5.6 矯正計算
11.6 三攝像機和三視張量
11.6.1 立體對應點演算法
11.6.2 距離圖像的主動獲取
11.7 由輻射測量到3D資訊
11.7.1 由陰影到形狀
11.7.2 光度測量立體視覺
11.8 總結
11.9 習題
11.10 參考文獻
2章 D視覺的應用
12.1 由X到形狀
12.1.1 由運動到形狀
12.1.2 由紋理到形狀
12.1.3 其他由X到形狀的技術
12.2 的3D物體
12.2.1 D物體、模型以及相關問題
12.2.2 線條標注
12.2.3 體積表示和直接測量
12.2.4 體積建模策略
12.2.5 表面建模策略
12.2.6 為獲取完整3D模型的面元
標注與融合
12.3 D場景的2D視圖表達
12.3.1 觀察空間
12.3.2 多視圖表達和示象圖
12.4 從無組織的2D視圖集合進行3D重建，從運動到結構
12.5 重建場景幾何
12.6 總結
12.7 習題
12.8 參考文獻
3章 數學形態學
13.1 形態學基本概念
13.2 形態學四原則
13.3 二值膨脹和腐蝕
13.3.1 膨脹
13.3.2 腐蝕
13.3.3 擊中擊不中變換
13.3.4 開運算和閉運算
13.4 灰度級膨脹和腐蝕
13.4.1 頂面、本影、灰度級膨脹和腐蝕
13.4.2 本影同胚定理和膨脹、腐蝕及開、閉運算的性質
13.4.3 頂帽變換
13.5 骨架和物體標記
13.5.1 同倫變換
13.5.2 骨架、中軸和 大球
13.5.3 細化、粗化和同倫骨架
13.5.4 熄滅函數和 終腐蝕
13.5.5 終腐蝕和距離函數
13.5.6 測地變換
13.5.7 形態學重構
13.6 細微性測定法
13.7 形態學分割與分水嶺
13.7.1 粒子分割、標記和分水嶺
13.7.2 二值形態學分割
13.7.3 灰度級分割和分水嶺
13.8 總結
13.9 習題
13.10 參考文獻
4章 圖像資料壓縮
14.1 圖像資料性質
14.2 圖像資料壓縮中的離散圖像變換
14.3 預測壓縮方法
14.4 向量量化
14.5 分層的和漸進的壓縮方法
14.6 壓縮方法比較
14.7 其他技術
14.8 編碼
14.9 JPEG和MPEG圖像壓縮
14.9.1 JPEG——靜態圖像壓縮
14.9.2 JPEG-2000壓縮
14.9.3 MPEG——全運動的視訊壓縮
14.10 總結
14.11 習題
14.12 參考文獻
5章 紋理
15.1 統計紋理描述
15.1.1 基於空間頻率的方法
15.1.2 共生矩陣
15.1.3 邊緣頻率
15.1.4 基元長度（行程）
15.1.5 Laws紋理能量度量
15.1.6 局部二值模式（LBPs）
15.1.7 分形紋理描述
15.1.8 多尺度紋理描述——小波
域方法
15.1.9 其他紋理描述的統計方法
15.2 句法紋理描述方法
15.2.1 形狀鏈語法
15.2.2 圖語法
15.2.3 分層紋理中的基元分組
15.3 混合的紋理描述方法
15.4 紋理識別方法的應用
15.5 總結
15.6 習題
15.7 參考文獻
6章 運動分析
16.1 差分運動分析方法
16.2 光流
16.2.1 光流計算
16.2.2 全域和局部光流估計
16.2.3 局部和全域相結合的光流估計
16.2.4 運動分析中的光流
16.3 基於興趣點對應關係的分析
16.3.1 興趣點的檢測
16.3.2 Lucas-Kanade點跟蹤
16.3.3 興趣點的對應關係
16.4 特定運動模式的檢測
16.5 視頻跟蹤
16.5.1 背景建模
16.5.2 基於核函數的跟蹤
16.5.3 目標路徑分析
16.6 輔助跟蹤的運動模型
16.6.1 卡爾曼濾波器
16.6.2 粒子濾波器
16.6.3 半監督跟蹤——TLD
16.7 總結
16.8 習題
16.9 參考文獻
詞彙
……
電腦視覺
資料來源: https://pan.baidu.com/s/168TqPPBP2Dm_a6f04nf7UA 提取碼：x5of
機器視覺演算法與應用
資料來源: https://pan.baidu.com/s/1aH4n1GboOTYPwOqJ3c5VkA 提取碼：6k60
目錄
前言
1 簡介
2 圖像採集
2.1 照明
2.1.1 電磁輻射
2.1.2 光源類型
2.1.3 光與被測物間的相互作用
2.1.4 利用照明的光譜
2.1.5 利用照明的方向性
2.2 鏡頭
2.2.1 針孔攝像機
2.2.2 高斯光學
2.2.3 景深
2.2.4 遠心鏡頭
2.2.5 鏡頭的像差
2.3 攝像機
2.3.1 CCD感測器
2.3.2 CMOS感測器
2.3.3 彩色攝像機
2.3.4 感測器尺寸
2.3.5 攝像機性能
2.4 攝像機-電腦介面
2.4.1 模擬視訊訊號
2.4.2 數位視訊信號：Camera Link
2.4.3 數位視訊信號：IEEE 1394
2.4.4 數位視訊信號：USB 2.0
2.4.5 數位視訊信號：Gigabit Etherne千兆網
2.4.6 圖像採集模式
3 機器視覺演算法
3.1 資料結構
3.1.1 圖像
3.1.2 區域
3.1.3 亞圖元精度輪廓
3.2 圖像增強
3.2.1 灰度值變換
3.2.2 輻射標定
3.2.3 圖像平滑
3.2.4 傅立葉轉換
3.3 幾何變換
3.3.1 仿射變換
3.3.2 投影變換
3.3.3 圖像變換
3.3.4 極座標變換
3.4 圖像分割
3.4.1 閾值分割
3.4.2 提取連通區域
3.4.3 亞圖元精度閾值分割
3.5 特徵提取
3.5.1 區域特徵
3.5.2 灰度值特徵
3.5.3 輪廓特徵
3.6 形態學
3.6.1 區域形態學
3.6.2 灰度值形態學
3.7 邊緣提取
3.7.1 在一維和二維中的邊緣定義
3.7.2 一維邊緣提取
3.7.3 二維邊緣提取
3.7.4 邊緣的準確度
3.8 幾何基元的分割和擬合
3.8.1 直線擬合
3.8.2 圓擬合
3.8.3 橢圓擬合
3.8.4 將輪廓分割為直線、圓和橢圓
3.9 攝像機標定
3.9.1 面陣攝像機的攝像機模型
3.9.2 線陣攝像機的攝像機模型
3.9.3 標定過程
3.9.4 從單幅圖像中提取世界座標
3.9.5 攝像機參數的準確度
3.10 立體重構
3.10.1 立體幾何結構
3.10.2 立體匹配
3.11 範本匹配
3.11.1 基於灰度值的範本匹配
3.11.2 使用圖形金字塔進行匹配
3.11.3 基於灰度值的亞圖元精度匹配
3.11.4 帶旋轉與縮放的範本匹配
3.11.5 可靠的範本匹配演算法
3.12 光學字元辨識（OCR）
3.12.1 字元分割
3.12.2 特徵提取
3.12.3 字元分類
4 機器視覺應用
4.1 半導體晶片切割
4.2 序號讀取
4.3 鋸片檢測
4.4 印刷檢測
4.5 封裝檢查
4.6 表面檢測
4.7 火化塞測量
4.8 模製品披峰檢測
4.9 沖孔板檢查
4.10 使用雙目立體視覺系統進行三維平面重構
4.11 電阻姿態檢驗
4.12 非織布料分類
參考文獻
索引
Mastering OpenCV with Practical Computer Vision Projects
資料來源: https://pan.baidu.com/s/1gyh1MpsUy6HPLAjc1J1dHA 提取碼：p2ef
Computer and Machine Vision Theory Algorithms Practicalities
資料來源: https://pan.baidu.com/s/147J4wE9zISM7QJObR3lGGA 提取碼：qz2g
2020/12/09 已下載電子書
影像處理技術手冊
資料來源: https://pan.baidu.com/s/14h-XxAULD9R3acDGaYcvqQ 提取碼：sfal
基礎篇 第1部分 影像處理 1 影像處理的歷史 2 數位圖像與處理 3 圖像模型 4 圖像的幾何學 5 模式識別字與神經網路 6 圖像理解與電腦視覺 7 影像處理與鬆弛法基礎篇 第2部分 關聯知識 1 視覺 2 光與色 3 波動光學 4 輻射傳遞理論 5 圖像、統計與概率 6 圖像線性變換 7 計算幾何學與數學形態學 8 模糊理論和影像處理應用篇 第1部分 投影 1 圖像重建 2 圖像烣複 3 校正 4 灰度和顏色資訊的變換 5 空間資訊的變換 6 幾何學資訊的變換 7 圖像的資料壓縮 8 2值影像處理應用篇 第2部分 識別 1 分類 2 區域分割 3 匹配應用篇 第3部分 專題 1 圖像的特殊效果 2 圖形繪製 3 序列影像處理 4 文檔圖像解析 5 三維影像處理後記索引
影像處理、分析與機器視覺
資料來源: https://pan.baidu.com/s/1X8OiIRkF8t9wOv03Ib8S0g 提取碼：p713
目錄：
第1章 引言
1.1 動機
1.2 電腦視覺為什麼是困難的
1.3 圖像表達與圖像分析的任務
1.4 總結
1.5 習題
1.6 參考文獻
第2章 圖像及其表達與性質
2.1 圖像表達若干概念
2.2 圖像數位化
2.2.1 採樣
2.2.2 量化
2.3 數位圖像性質
2.3.1 數位圖像的度量和拓撲性質
2.3.2 長條圖
2.3.3 熵
2.3.4 圖像的視覺感知
2.3.5 圖像品質
2.3.6 圖像中的雜訊
2.4 彩色圖像
2.4.1 色彩物理學
2.4.2 人所感知的色彩
2.4.3 彩色空間
2.4.4 調色板圖像
2.4.5 顏色恒常性
2.5 攝像機概述
2.5.1 光敏感測器
2.5.2 黑白攝像機
2.5.3 彩色攝像機
2.6 總結
2.7 習題
2.8 參考文獻
第3章 圖像及其數學與物理背景
3.1 概述
3.1.1 線性
3.1.2 狄拉克（Dirac）分佈和卷積
3.2 積分線性變換
3.2.1 作為線性系統的圖像
3.2.2 積分線性變換引言
3.2.3 D傅裡葉變換
3.2.4 D傅裡葉變換
3.2.5 採樣與香農約束
3.2.6 離散余弦變換
3.2.7 小波變換
3.2.8 本征分析
3.2.9 奇異值分解
3.2.10 主分量分析
3.2.11 Radon變換
3.2.12 其他正交圖像變換
3.3 作為隨機過程的圖像
3.4 圖像形成物理
3.4.1 作為輻射測量的圖像
3.4.2 圖像獲取與幾何光學
3.4.3 鏡頭像差和徑向畸變
3.4.4 從輻射學角度看圖像獲取
3.4.5 表面反射
3.5 總結
3.6 習題
3.7 參考文獻
第4章 圖像分析的資料結構
4.1 圖像資料表示的層次
4.2 傳統圖像資料結構
4.2.1 矩陣
4.2.2 鏈
4.2.3 拓撲資料結構
4.2.4 關聯式結構
4.3 分層資料結構
4.3.1 金字塔
4.3.2 四叉樹
4.3.3 其他金字塔結構
4.4 總結
4.5 習題
4.6 參考文獻
第5章 圖像預處理
5.1 圖元亮度變換
5.1.1 位置相關的亮度校正
5.1.2 灰度級變換
5.2 幾何變換
5.2.1 圖元座標變換
5.2.2 亮度插值
5.3 局部預處理
5.3.1 圖像平滑
5.3.2 邊緣檢測運算元
5.3.3 二階導數過零點
5.3.4 影像處理中的尺度
5.3.5 Canny邊緣提取
5.3.6 參數化邊緣模型
5.3.7 多光譜圖像中的邊緣
5.3.8 頻域的局部預處理
5.3.9 用局部預處理運算元作線檢測
5.3.10 角點（興趣點）檢測
5.3.11 大穩定極值區域檢測
5.4 圖像復原
5.4.1 容易復原的退化
5.4.2 逆濾波
5.4.3 維納濾波
5.5 總結
5.6 習題
5.7 參考文獻
第6章 分割Ⅰ
6.1 閾值化
6.1.1 閾值檢測方法
6.1.2 優閾值化
6.1.3 多光譜閾值化
6.2 基於邊緣的分割
6.2.1 邊緣圖像閾值化
6.2.2 邊緣鬆弛法
6.2.3 邊界跟蹤
6.2.4 作為圖搜索的邊緣跟蹤
6.2.5 作為動態規劃的邊緣跟蹤
6.2.6 Hough變換
6.2.7 使用邊界位置資訊的邊界檢測
6.2.8 從邊界構造區域
6.3 基於區域的分割
6.3.1 區域歸併
6.3.2 區域分裂
6.3.3 分裂與歸併
6.3.4 分水嶺分割
6.3.5 區域增長後處理
6.4 匹配
6.4.1 模版匹配
6.4.2 模版匹配的控制策略
6.5 分割的評測問題
6.5.1 監督式評測
6.5.2 非監督式評測
6.6 總結
6.7 習題
6.8 參考文獻
第7章 分割Ⅱ
7.1 均值移位分割
7.2 活動輪廓模型——蛇行
7.2.1 經典蛇行和氣球
7.2.2 擴展
7.2.3 梯度向量流蛇
7.3 幾何變形模型——水準集和測地
?? 活動輪廓
7.4 模糊連線性
7.5 面向基於3D圖的圖像分割
7.5.1 邊界對的同時檢測
7.5.2 次優的表面檢測
7.6 圖割分割
7.7 優單和多表面分割
7.8 總結
7.9 習題
7.10 參考文獻
第8章 形狀表示與描述
8.1 區域標識
8.2 基於輪廓的形狀表示與描述
8.2.1 鏈碼
8.2.2 簡單幾何邊界表示
8.2.3 邊界的傅裡葉變換
8.2.4 使用片段序列的邊界描述
8.2.5 B樣條表示
8.2.6 其他基於輪廓的形狀描述方法
8.2.7 形狀不變數
8.3 基於區域的形狀表示與描述
8.3.1 簡單的標量區域描述
8.3.2 矩
8.3.3 凸包
8.3.4 基於區域骨架的圖表示
8.3.5 區域分解
8.3.6 區域鄰近圖
8.4 形狀類別
8.5 總結
8.6 習題
8.7 參考文獻
第9章 物體識別
9.1 知識表示
9.2 統計模式識別
9.2.1 分類原理
9.2.2 近鄰
9.2.3 分類器設置
9.2.4 分類器學習
9.2.5 支持向量機
9.2.6 聚類分析
9.3 神經元網路
9.3.1 前饋網路
9.3.2 非監督學習
9.3.3 Hopfield神經元網路
9.4 句法模式識別
9.4.1 語法與語言
9.4.2 句法分析與句法分類器
9.4.3 句法分類器學習與語法推導
9.5 作為圖匹配的識別
9.5.1 圖和子圖的同構
9.5.2 圖的相似度
9.6 識別中的優化技術
9.6.1 遺傳演算法
9.6.2 模擬退火
9.7 模糊系統
9.7.1 模糊集和模糊隸屬函數
9.7.2 模糊集運算
9.7.3 模糊推理
9.7.4 模糊系統設計與訓練
9.8 模式識別中的Boosting方法
9.9 隨機森林
9.9.1 隨機森林訓練
9.9.2 隨機森林決策
9.9.3 隨機森林擴展
9.10 總結
9.11 習題
9.12 參考文獻
0章 圖像理解
10.1 圖像理解控制策略
10.1.1 並行和連續處理控制
10.1.2 分層控制
10.1.3 自底向上的控制
10.1.4 基於模型的控制
10.1.5 混合的控制策略
10.1.6 非分層控制
10.2 SIFT：尺度不變特徵轉換
10.3 RANSAC：通過隨機抽樣一致來擬合
10.4 點分佈模型
10.5 活動表觀模型
10.6 圖像理解中的模式識別方法
10.6.1 基於分類的分割
10.6.2 上下文圖像分類
10.6.3 梯度方向長條圖-HOG
10.7 Boosted層疊分類器用於快速物體檢測
10.8 基於隨機森林的圖像理解
10.9 場景標注和約束傳播
10.9.1 離散鬆弛法
10.9.2 概率鬆弛法
10.9.3 搜索解釋樹
10.10 語義圖像分割和理解
10.10.1 語義區域增長
10.10.2 遺傳圖像解釋
10.11 隱瑪律可夫模型
10.11.1 應用
10.11.2 耦合的HMM
10.11.3 貝葉斯信念網路
10.12 瑪律科夫隨機場
10.12.1 圖像和視覺的應用
10.13 高斯混合模型和期望 大化
10.14 總結
10.15 習題
10.16 參考文獻
1章 D幾何，對應，從亮度到3D
11.1 D視覺任務
11.1.1 Marr理論
11.1.2 其他視覺範疇：主動和有目的的視覺
11.2 射影幾何學基礎
11.2.1 射影空間中的點和超平面
11.2.2 單應性
11.2.3 根據對應點估計單應性
11.3 單透視攝像機
11.3.1 攝像機模型
11.3.2 齊次坐標系中的投影和反投影
11.3.3 從已知場景標定一個攝像機
11.4 從多視圖重建場景
11.4.1 三角測量
11.4.2 射影重建
11.4.3 匹配約束
11.4.4 光束平差法
11.4.5 升級射影重建和自標定
11.5 雙攝像機和立體感知
11.5.1 極線幾何學——基本矩陣
11.5.2 攝像機的相對運動——本質
矩陣
11.5.3 分解基本矩陣到攝像機
矩陣
11.5.4 從對應點估計基本矩陣
11.5.5 雙攝像機矯正結構
11.5.6 矯正計算
11.6 三攝像機和三視張量
11.6.1 立體對應點演算法
11.6.2 距離圖像的主動獲取
11.7 由輻射測量到3D資訊
11.7.1 由陰影到形狀
11.7.2 光度測量立體視覺
11.8 總結
11.9 習題
11.10 參考文獻
2章 D視覺的應用
12.1 由X到形狀
12.1.1 由運動到形狀
12.1.2 由紋理到形狀
12.1.3 其他由X到形狀的技術
12.2 的3D物體
12.2.1 D物體、模型以及相關問題
12.2.2 線條標注
12.2.3 體積表示和直接測量
12.2.4 體積建模策略
12.2.5 表面建模策略
12.2.6 為獲取完整3D模型的面元
標注與融合
12.3 D場景的2D視圖表達
12.3.1 觀察空間
12.3.2 多視圖表達和示象圖
12.4 從無組織的2D視圖集合進行3D重建，從運動到結構
12.5 重建場景幾何
12.6 總結
12.7 習題
12.8 參考文獻
3章 數學形態學
13.1 形態學基本概念
13.2 形態學四原則
13.3 二值膨脹和腐蝕
13.3.1 膨脹
13.3.2 腐蝕
13.3.3 擊中擊不中變換
13.3.4 開運算和閉運算
13.4 灰度級膨脹和腐蝕
13.4.1 頂面、本影、灰度級膨脹和腐蝕
13.4.2 本影同胚定理和膨脹、腐蝕及開、閉運算的性質
13.4.3 頂帽變換
13.5 骨架和物體標記
13.5.1 同倫變換
13.5.2 骨架、中軸和 大球
13.5.3 細化、粗化和同倫骨架
13.5.4 熄滅函數和 終腐蝕
13.5.5 終腐蝕和距離函數
13.5.6 測地變換
13.5.7 形態學重構
13.6 細微性測定法
13.7 形態學分割與分水嶺
13.7.1 粒子分割、標記和分水嶺
13.7.2 二值形態學分割
13.7.3 灰度級分割和分水嶺
13.8 總結
13.9 習題
13.10 參考文獻
4章 圖像資料壓縮
14.1 圖像資料性質
14.2 圖像資料壓縮中的離散圖像變換
14.3 預測壓縮方法
14.4 向量量化
14.5 分層的和漸進的壓縮方法
14.6 壓縮方法比較
14.7 其他技術
14.8 編碼
14.9 JPEG和MPEG圖像壓縮
14.9.1 JPEG——靜態圖像壓縮
14.9.2 JPEG-2000壓縮
14.9.3 MPEG——全運動的視訊壓縮
14.10 總結
14.11 習題
14.12 參考文獻
5章 紋理
15.1 統計紋理描述
15.1.1 基於空間頻率的方法
15.1.2 共生矩陣
15.1.3 邊緣頻率
15.1.4 基元長度（行程）
15.1.5 Laws紋理能量度量
15.1.6 局部二值模式（LBPs）
15.1.7 分形紋理描述
15.1.8 多尺度紋理描述——小波
域方法
15.1.9 其他紋理描述的統計方法
15.2 句法紋理描述方法
15.2.1 形狀鏈語法
15.2.2 圖語法
15.2.3 分層紋理中的基元分組
15.3 混合的紋理描述方法
15.4 紋理識別方法的應用
15.5 總結
15.6 習題
15.7 參考文獻
6章 運動分析
16.1 差分運動分析方法
16.2 光流
16.2.1 光流計算
16.2.2 全域和局部光流估計
16.2.3 局部和全域相結合的光流估計
16.2.4 運動分析中的光流
16.3 基於興趣點對應關係的分析
16.3.1 興趣點的檢測
16.3.2 Lucas-Kanade點跟蹤
16.3.3 興趣點的對應關係
16.4 特定運動模式的檢測
16.5 視頻跟蹤
16.5.1 背景建模
16.5.2 基於核函數的跟蹤
16.5.3 目標路徑分析
16.6 輔助跟蹤的運動模型
16.6.1 卡爾曼濾波器
16.6.2 粒子濾波器
16.6.3 半監督跟蹤——TLD
16.7 總結
16.8 習題
16.9 參考文獻
詞彙
……
電腦視覺
資料來源: https://pan.baidu.com/s/168TqPPBP2Dm_a6f04nf7UA 提取碼：x5of
機器視覺演算法與應用
資料來源: https://pan.baidu.com/s/1aH4n1GboOTYPwOqJ3c5VkA 提取碼：6k60
目錄
前言
1 簡介
2 圖像採集
2.1 照明
2.1.1 電磁輻射
2.1.2 光源類型
2.1.3 光與被測物間的相互作用
2.1.4 利用照明的光譜
2.1.5 利用照明的方向性
2.2 鏡頭
2.2.1 針孔攝像機
2.2.2 高斯光學
2.2.3 景深
2.2.4 遠心鏡頭
2.2.5 鏡頭的像差
2.3 攝像機
2.3.1 CCD感測器
2.3.2 CMOS感測器
2.3.3 彩色攝像機
2.3.4 感測器尺寸
2.3.5 攝像機性能
2.4 攝像機-電腦介面
2.4.1 模擬視訊訊號
2.4.2 數位視訊信號：Camera Link
2.4.3 數位視訊信號：IEEE 1394
2.4.4 數位視訊信號：USB 2.0
2.4.5 數位視訊信號：Gigabit Etherne千兆網
2.4.6 圖像採集模式
3 機器視覺演算法
3.1 資料結構
3.1.1 圖像
3.1.2 區域
3.1.3 亞圖元精度輪廓
3.2 圖像增強
3.2.1 灰度值變換
3.2.2 輻射標定
3.2.3 圖像平滑
3.2.4 傅立葉轉換
3.3 幾何變換
3.3.1 仿射變換
3.3.2 投影變換
3.3.3 圖像變換
3.3.4 極座標變換
3.4 圖像分割
3.4.1 閾值分割
3.4.2 提取連通區域
3.4.3 亞圖元精度閾值分割
3.5 特徵提取
3.5.1 區域特徵
3.5.2 灰度值特徵
3.5.3 輪廓特徵
3.6 形態學
3.6.1 區域形態學
3.6.2 灰度值形態學
3.7 邊緣提取
3.7.1 在一維和二維中的邊緣定義
3.7.2 一維邊緣提取
3.7.3 二維邊緣提取
3.7.4 邊緣的準確度
3.8 幾何基元的分割和擬合
3.8.1 直線擬合
3.8.2 圓擬合
3.8.3 橢圓擬合
3.8.4 將輪廓分割為直線、圓和橢圓
3.9 攝像機標定
3.9.1 面陣攝像機的攝像機模型
3.9.2 線陣攝像機的攝像機模型
3.9.3 標定過程
3.9.4 從單幅圖像中提取世界座標
3.9.5 攝像機參數的準確度
3.10 立體重構
3.10.1 立體幾何結構
3.10.2 立體匹配
3.11 範本匹配
3.11.1 基於灰度值的範本匹配
3.11.2 使用圖形金字塔進行匹配
3.11.3 基於灰度值的亞圖元精度匹配
3.11.4 帶旋轉與縮放的範本匹配
3.11.5 可靠的範本匹配演算法
3.12 光學字元辨識（OCR）
3.12.1 字元分割
3.12.2 特徵提取
3.12.3 字元分類
4 機器視覺應用
4.1 半導體晶片切割
4.2 序號讀取
4.3 鋸片檢測
4.4 印刷檢測
4.5 封裝檢查
4.6 表面檢測
4.7 火化塞測量
4.8 模製品披峰檢測
4.9 沖孔板檢查
4.10 使用雙目立體視覺系統進行三維平面重構
4.11 電阻姿態檢驗
4.12 非織布料分類
參考文獻
索引
Mastering OpenCV with Practical Computer Vision Projects
資料來源: https://pan.baidu.com/s/1gyh1MpsUy6HPLAjc1J1dHA 提取碼：p2ef
Computer and Machine Vision Theory Algorithms Practicalities
資料來源: https://pan.baidu.com/s/147J4wE9zISM7QJObR3lGGA 提取碼：qz2g