本书系统整合了计算机视觉领域的经典算法与现代智能视觉技术，全面介绍了该领域的核心理论与方法体系。本书内容丰富，涵盖了以下主要知识点：计算机视觉基本概念及技术基础、人类视觉感知与图像特征多层表达、图像特征与图像对齐、二值图像分析、区域分割、纹理特征分析、相机成像模型和标定技术、光流计算、三维重建、传统目标检测与识别算法、传统目标跟踪算法、智能目标识别与跟踪、三维点云特征及理解、视觉语言模型等。本书适合作为计算机科学与技术、软件工程及电子类专业本科生、研究生的教材或教学参考书，也可供从事计算机视觉应用与研究的开发人员和科研人员使用。对于计算机视觉先行课程知识欠缺的读者，本书提供了循序渐进、易于理解的学习路径，帮助他们系统掌握计算机视觉算法原理和关键技术。
1.1 概述
1.2 数字图像基础
1.3 机器学习与人工智能技术
1.4 计算机视觉编程基础
第2章 人类视觉感知与图像特征多层表达
2.1 人眼结构与视觉特性
2.2 图像的多层次表达
2.3 滤波器
2.4 深度学习的多层特征
第3章 图像特征与图像对齐
3.1 图像特征及常见类型
3.2 点特征
3.3 边缘特征
3.4 区域特征
3.5 多视图及特征对应
3.6 特征匹配技术
3.7 图像对齐技术基础
3.8 全局图像对齐
3.9 智能图像对齐
第4章 二值图像分析
4.1 二值图像概念
4.2 二值图像的创建
4.3 连通性及连通成分标记
4.4 区域的边界
4.5 图像骨架化
4.6 数学形态学处理方法
4.7 二值图像的应用实例
第5章 区域分割
5.1 区域分割概念
5.2 传统图像分割
5.3 图像语义概念
5.4 语义分割技术发展及CNN基础
5.5 基于深度学习的语义分割
5.6 基于区域的智能分割算法
第6章 纹理特征分析
6.1 纹理的定义及分类
6.2 纹理特征分析的常用方法
6.3 基于纹理的分类与识别
6.4 图像修复
6.5 图像风格化处理
第7章 相机成像模型和标定技术
7.1 从3D到2D的成像
7.2 相机成像模型
7.3 摄像机标定技术基础
7.4 对极几何与摄像机自标定
7.5 智能成像模型学习方法
第8章 光流计算
8.1 光流概念
8.2 光流估计的用途
8.3 运动场与光流的关系
8.4 光流估计方法
8.5 基于深度学习的光流估计
8.6 基于光流的智能表情分析实例
第9章 三维重建
9.1 三维重建基础
9.2 三维场景表达方法
9.3 三维形状重建
9.4 主动视觉与被动视觉重建
9.5 智能三维重建算法
第10章 传统目标检测与识别算法
10.1 目标识别概念
10.2 目标识别算法分类
10.3 目标识别算法流程
10.4 滑动窗口目标检测算法
10.5 目标识别词袋算法
10.6 基于AdaBoost的人脸检测算法
第11章 传统目标跟踪算法
11.1 目标跟踪概念
11.2 目标跟踪技术难点
11.3 运动目标检测与跟踪
11.4 传统跟踪算法基础
11.5 典型目标跟踪算法
11.6 卡尔曼滤波器跟踪算法
11.7 相关滤波运动跟踪算法
第12章 智能目标识别与跟踪
12.1 智能目标识别算法基础
12.2 R-CNN算法
12.3 SPP-Net算法
12.4 Fast R-CNN算法
12.5 Faster R-CNN算法
12.6 YOLOv1算法
12.7 SSD算法
12.8 YOLOv2算法
12.9 YOLOv3算法
12.10 基于YOLO的其他跟踪算法
第13章 三维点云特征及理解
13.1 点云滤波处理与表达
13.2 点云特征描述方法
13.3 智能点云运算算法实例
13.4 三维点云语义理解
13.5 三维点云目标分类
第14章 视觉语言模型
14.1 语言模型技术基础
14.2 视觉语言模型基础
14.3 端到端的视觉语言模型
14.4 基于预训练的视觉语言模型
14.5 稳定扩散模型
点击下载