-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

計算機視覺: 原理、算法、應用及學習(原書第5版)

( 簡體 字)
作者:〔英〕 E. R. 戴維斯(E. R. Davies) 著類別:1. -> 教材 -> 數位影像處理
譯者:
出版社:機械工業出版社計算機視覺: 原理、算法、應用及學習(原書第5版) 3dWoo書號: 53575
詢問書籍請說出此書號!

缺書
NT售價: 745

出版日:10/1/2020
頁數:487
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111664796
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

本書的第1版于1990年出版,受到許多研究者和從業者的歡迎。然而,在隨后的20年里,計算機視覺的發展速度飛快,許多在第1版中不值一提的話題,現在必須被納入以后的版本中。例如,我們引入了大量關于特征檢測、數學形態學、紋理分析、形狀檢測、人工神經網絡、3D視覺、不變性、運動分析、目標跟蹤和穩健統計的新材料,這些內容變得日益重要。在第4版中,我們認識到計算機視覺的應用范圍越來越廣,特別是必須增加關于監控和車載視覺系統的兩章。從那以后,相關研究和討論一直沒有停止。事實上,在過去的四五年里,深度神經網絡的研究開始呈現爆炸性增長,由此產生的實際成果令人震驚。顯然,第5版必須反映這種徹底的轉變—無論是基礎理論還是實踐應用。事實上,本書增加了一個新的部分—機器學習和深度學習網絡(第三部分),可以看出,這個標題意味著新內容不僅反映了深度學習(相對于舊的“人工神經網絡”的巨大改進),也反映了一種基于嚴格的概率方法的模式識別方法。

在書中闡釋清楚這些主題并非易事,因為概率方法只有在相當嚴格的數學環境中才能講透。數學背景太少,這個主題可能會被淡化到幾乎沒有內容;數學內容太多,對許多讀者來說可能無法理解。顯然,我們不能因為讀者害怕那些數學公式就避而不談。因此,第14章對讀者而言是一次挑戰,這一章充分展示了所涉及的方法類型,同時提供給讀者越過一些數學復雜性的途徑—至少在第一次遇到時是這樣的。一旦越過了相對困難的第14章,第15章和第21章將主要向讀者展示案例研究,前者聚焦于深度學習網絡的關鍵發展時期(2012—2015),后者的時間段與之類似(2013—2016)。在此期間,深度學習的主要目標是人臉檢測和識別,并且取得了顯著的進步。不應忽視的是,這些增補對本書的內容產生了非常大的影響,以至于書名不得不做出修改。之后,本書的組織結構又得到了進一步修改,在新的第五部分“計算機視覺的應用”中,收入了三個關于應用的章節。

值得注意的是,此時計算機視覺已經達到成熟水平,這使它變得更加嚴格、可靠、通用,并且能夠實時運行(考慮到現在可用于實現的改進的硬件設施,特別是功能極其強大的GPU)。這意味著在要求嚴格的應用中使用計算機視覺技術的人比以往任何時候都多,而且實際困難也更少了。本書旨在從根本上反映這一全新的令人興奮的發展。

對于電子工程和計算機科學專業的大四學生,視覺課程可包括第1∼13章和第16章的大部分內容,根據需要,還可包括其他章節的部分內容。對于理學碩士或博士研究生來說,可能涵蓋第三部分或第四部分的深入內容,第五部分的部分章節也是合適的,其中許多實際練習都是在圖像分析系統上進行的(一旦開始認真研究,就不應該低估附錄中討論的穩健統計的重要性,盡管這可能超出本科教學大綱的范圍)。這在很大程度上取決于每個學生正在進行的研究項目。在現階段,本書可能不得不更多地用作研究手冊,事實上,這本書的主要目的之一就是作為這一重要領域的研究者和實踐者的手冊。

正如在之前版本的前言中提到的,本書很大程度上依賴于我與各位研究生合作時獲得的經驗,特別感謝馬克·埃德蒙茲、西蒙·巴克、丹尼爾·塞拉諾、達雷爾·格林希爾、德里克·查爾斯、馬克·蘇格魯和喬治·馬斯塔克西斯,他們都以自己的方式幫助我形成了對計算機視覺技術的認識。此外,與同事巴里·庫克、扎希德·侯賽因、伊恩·漢娜、德夫·帕特爾、大衛·梅森、馬克·貝特曼、鐵英·盧、阿德里安·約翰斯頓和皮爾斯·普呂默進行的許多有益的討論是我最美好的回憶,尤其是阿德里安和皮爾斯,他們為實現我的研究小組的視覺算法在生成硬件系統方面貢獻頗多。接下來,我要感謝英國機器視覺協會的同僚就這一主題進行了多次廣泛的討論,特別感謝馬吉德·米爾邁赫迪、阿德里安·克拉克、尼爾·薩克爾和馬克·尼克松,隨著時間的推移,他們對本書的數次更新產生了巨大的影響,并在本書中留下了永久的印記。接下來,我要感謝匿名評論者發表的有見地的評論,以及提出的非常有價值的建議。最后,我要感謝愛思唯爾的蒂姆·皮茨的幫助和鼓勵,沒有他,第5版可能永遠不會完成。

最后,本書網站https://www.elsevier.com/books-and-journals/book-companion/9780128092842

包含編程和其他資源,可幫助讀者和學生使用本書。歡迎查看網站以了解更多信息。



E. R. 戴維斯

英國倫敦大學皇家霍洛威學院
內容簡介:

本書是計算機視覺領域的重要書籍,數年間屢次推陳出新。這一版的一個重大變化是包含關于深度學習的內容,這是一個勇敢但必要的舉動。我期待著將第5版自豪地擺在書架上。

——Mark S. Nixon,南安普頓大學



本書特色:

新增三章討論機器學習,以反映計算機視覺領域的發展。其中兩章討論基本分類概念和概率模型,另外一章介紹深度學習網絡的原理,并通過人臉檢測與識別這一應用討論了其產生的影響。此外,還新增一章討論了物體分割與形狀模型。

深入討論了幾何變換、EM算法、Boosting方法、語義分割、人臉正面化、RNN等重要主題,包括眼睛、車輛和行人的定位等實例和應用,涵蓋開發真實視覺系統的細節和實現過程。

理論方面,通過清晰的闡釋和恰當的例子使數學知識和基礎理論變得通俗易懂。此外,每一章都介紹了新研究進展,幫助學生和實踐者緊跟技術發展潮流。

配備可免費下載的編程示例,包括代碼、方法、圖示、任務、提示和解決方案(主要采用MATLAB和C++)。
目錄:

譯者序
推薦序
第5版前言
第1版前言
縮寫詞匯表
第1章 計算機視覺面臨的挑戰 1
1.1 導言—人類及其感官 1
1.2 視覺的本質 2
1.2.1 識別過程 2
1.2.2 解決識別問題 3
1.2.3 物體定位 4
1.2.4 場景分析 5
1.2.5 視覺是逆向圖形學 6
1.3 從自動視覺檢測到監控 6
1.4 本書是關于什么的 7
1.5 機器學習的作用 8
1.6 后續章節內容概述 9
1.7 書目注釋 9
第一部分 初級視覺
第2章 圖像與圖像處理 12
2.1 導言 12
2.2 圖像處理操作 15
2.2.1 灰度圖像的一些基本操作 15
2.2.2 二值圖像的基本操作 19
2.3 卷積和點擴散函數 21
2.4 順序操作與并行操作 22
2.5 結束語 23
2.6 書目和歷史注釋 24
2.7 問題 24
第3章 圖像濾波和形態學 25
3.1 導言 25
3.2 通過高斯平滑抑制噪聲 27
3.3 中值濾波器 28
3.4 模式濾波器 30
3.5 秩排序濾波器 35
3.6 銳化–反銳化掩模 35
3.7 中值濾波器引入的偏移 36
3.7.1 中值偏移的連續體模型 36
3.7.2 推廣到灰度圖 38
3.7.3 中值偏移的離散模型 40
3.8 秩排序濾波器引入的偏移 41
3.9 濾波器在計算機視覺工業應用中的作用 44
3.10 圖像濾波中的色彩 44
3.11 二值圖像的膨脹和腐蝕 45
3.11.1 膨脹和腐蝕 45
3.11.2 抵消效應 45
3.11.3 改進的膨脹與腐蝕算子 45
3.12 數學形態學 46
3.12.1 泛化的形態學膨脹 46
3.12.2 泛化的形態學腐蝕 47
3.12.3 膨脹與腐蝕之間的對偶性 47
3.12.4 膨脹與腐蝕算子的特性 48
3.12.5 閉合與開啟 50
3.12.6 基本形態學運算概要 51
3.13 形態學分組 53
3.14 灰度圖像中的形態學 54
3.15 結束語 55
3.16 書目和歷史注釋 56
3.17 問題 58
第4章 閾值的作用 61
4.1 導言 61
4.2 區域生長方法 62
4.3 閾值方法 62
4.3.1 尋找合適的閾值 62
4.3.2 解決閾值選取中的偏差問題 63
4.4 自適應閾值 64
4.5 更徹底的閾值選擇方法 66
4.5.1 基于方差的閾值 67
4.5.2 基于熵的閾值 67
4.5.3 最大似然閾值 68
4.6 全局波谷閾值方法 69
4.7 應用全局波谷閾值方法的實際結果 71
4.8 直方圖凹性分析 75
4.9 結束語 75
4.10 書目和歷史注釋 76
4.11 問題 77
第5章 邊緣檢測 78
5.1 導言 78
5.2 邊緣檢測基本理論 79
5.3 模板匹配方法 80
5.4 3×3模板算子理論 81
5.5 微分梯度算子的設計 82
5.6 圓形算子的概念 83
5.7 圓形算子的詳細實現 83
5.8 微分邊緣算子的系統設計 85
5.9 上述方法的問題—?一些替代方案 86
5.10 滯后閾值 88
5.11 Canny算子 89
5.12 Laplacian算子 92
5.13 結束語 93
5.14 書目和歷史注釋 93
5.15 問題 94
第6章 角點、興趣點和不變特征的檢測 95
6.1 導言 95
6.2 模板匹配 95
6.3 二階導數方法 96
6.4 基于中值濾波的角點檢測器 98
6.4.1 分析中值檢測器的操作 98
6.4.2 實際結果 99
6.5 Harris興趣點算子 100
6.5.1 各種幾何構型的角點信號和位移 102
6.5.2 交叉點和T形交叉點的性能 103
6.5.3 Harris算子的不同形式 105
6.6 角點方向 106
6.7 局部不變特征檢測器與描述符 106
6.7.1 幾何變換和特征標準化 107
6.7.2 Harris尺度、仿射不變檢測器和描述符 108
6.7.3 Hessian尺度、仿射不變檢測器和描述符 109
6.7.4 尺度不變特征變換算子 110
6.7.5 加速魯棒特征算子 110
6.7.6 最大穩定極值區域 111
6.7.7 各種不變特征檢測器的比較 112
6.7.8 定向梯度直方圖 114
6.8 結束語 115
6.9 書目和歷史注釋 116
6.10 問題 118
第7章 紋理分析 119
7.1 導言 119
7.2 紋理分析的一些基本方法 121
7.3 灰度共生矩陣 122
7.4 Laws紋理能量法 123
7.5 Ade特征濾波器法 125
7.6 對Laws法和Ade法的評估 126
7.7 結束語 127
7.8 書目和歷史注釋 127
第二部分 中級視覺
第8章 二值化形狀分析 130
8.1 導言 130
8.2 二值圖像的連通性 131
8.3 物體標記和計數 131
8.4 尺寸濾波 136
8.5 距離函數及其用途 138
8.6 骨架和細化 140
8.6.1 交叉數 141
8.6.2 細化的并行和順序實現 143
8.6.3 引導細化 144
8.6.4 如何看待骨架的本質 145
8.6.5 骨架節點分析 146
8.6.6 骨架在形狀識別中的應用 146
8.7 形狀識別的其他度量 147
8.8 邊界跟蹤過程 148
8.9 結束語 149
8.10 書目和歷史注釋 150
8.11 問題 151
第9章 邊界模式分析 154
9.1 導言 154
9.2 邊界跟蹤過程 156
9.3 質心輪廓 156
9.4 質心輪廓方法存在的問題 157
9.5 (s, ψ)圖 159
9.6 解決遮擋問題 160
9.7 邊界長度度量的準確性 162
9.8 結束語 163
9.9 書目和歷史注釋 164
9.10 問題 165
第10章 直線、圓和橢圓的檢測 166
10.1 導言 166
10.2 霍夫變換在直線檢測中的應用 167
10.3 垂足法 169
10.4 使用RANSAC進行直線檢測 171
10.5 腹腔鏡工具的位置 174
10.6 基于霍夫的圓形物體檢測方案 175
10.7 圓半徑未知的問題 178
10.8 克服速度問題 179
10.9 橢圓檢測 181
10.9.1 直徑平分法 182
10.9.2 弦切法 183
10.9.3 尋找剩余橢圓參數 184
10.10 人類虹膜定位 185
10.11 結束語 186
10.12 書目和歷史注釋 187
10.13 問題 189
第11章 廣義霍夫變換 191
11.1 導言 191
11.2 廣義霍夫變換 192
11.3 空間匹配濾波的相關性 193
11.4 梯度加權與均勻加權 194
11.4.1 靈敏度和計算負荷的計算 195
11.4.2 總結 196
11.5 使用GHT檢測橢圓 196
11.6 各種橢圓檢測方法的比較 199
11.7 物體定位的圖論方法 200
11.8 節省計算的可能性 204
11.9 使用GHT進行特征排序 205
11.10 推廣最大團及其他方法 207
11.11 搜索 208
11.12 結束語 208
11.13 書目和歷史注釋 209
11.14 問題 212
第12章 物體分割與形狀模型 215
12.1 導言 215
12.2 主動輪廓 215
12.3 使用主動輪廓獲得的實際結果 217
12.4 用于物體分割的水平集方法 218
12.5 形狀模型 219
12.6 結束語 227
12.7 書目和歷史注釋 227
第三部分 機器學習和深度學習網絡
第13章 基本分類概念 230
13.1 導言 230
13.2 最近鄰算法 231
13.3 貝葉斯決策理論 232
13.4 最近鄰與貝葉斯方法的關系 234
13.4.1 問題的數學陳述 234
13.4.2 最近鄰算法的重要性 236
13.5 最佳特征數量 236
13.6 代價函數和錯誤–拒絕權衡 236
13.7 監督和無監督學習 238
13.8 聚類分析 238
13.9 支持向量機 240
13.10 人工神經網絡 241
13.11 反向傳播算法 244
13.12 多層感知器架構 246
13.13 訓練數據過擬合 247
13.14 結束語 248
13.15 書目和歷史注釋 249
13.16 問題 250
第14章 機器學習:概率方法 251
14.1 導言 251
14.2 高斯混合和EM算法 253
14.3 更一般的EM算法視圖 257
14.4 一些實際例子 259
14.5 主成分分析 264
14.6 多分類器 266
14.7 Boosting方法 268
14.8 AdaBoost建模 270
14.9 Boosting方法的損失函數 272
14.10 LogitBoost算法 275
14.11 Boosting方法的有效性 277
14.12 多類別的Boosting方法 277
14.13 接受者操作特性 281
14.14 結束語 284
14.15 書目和歷史注釋 284
14.16 問題 286
第15章 深度學習網絡 287
15.1 導言 287
15.2 卷積神經網絡 289
15.3 用于定義CNN架構的參數 290
15.4 LeCun 等人提出的LeNet 架構 293
15.5 Krizhevsky等人提出的AlexNet架構 296
15.6 Zeiler和Fergus對CNN架構的研究 300
15.7 Zeiler和Fergus的可視化實驗 302
15.8 Simonyan和Zisserman的VGGNet架構 303
15.9 Noh等人的DeconvNet架構 305
15.10 Badrinarayanan等人的SegNet架構 307
15.11 循環神經網絡 309
15.12 結束語 311
15.13 書目和歷史注釋 313
第四部分 三維視覺和運動
第16章 三維世界 316
16.1 導言 316
16.2 三維視覺方法 316
16.3 三維視覺投影方案 318
16.3.1 雙目圖像 319
16.3.2 對應問題 320
16.4 陰影形狀 322
16.5 光度立體技術 325
16.6 表面光滑性的假設 326
16.7 紋理形狀 327
16.8 結構光的使用 327
16.9 三維物體識別方案 329
16.10 Horaud的匯聚定向技術 329
16.11 一個重要的范例—工業零件的定位 332
16.12 結束語 333
16.13 書目和歷史注釋 334
16.14 問題 336
第17章 解決n點透視問題 338
17.1 導言 338
17.2 視角倒轉現象 338
17.3 弱透視投影下的姿勢歧義性 339
17.4 求姿勢估計的唯一解 341
17.4.1 三點情況下的解 343
17.4.2 利用對稱梯形來預測姿勢 344
17.5 結束語 345
17.6 書目和歷史注釋 345
17.7 問題 346
第18章 不變量與透視 347
18.1 導言 347
18.2 交比:“比率的比率”的概念 348
18.3 非共線點的不變量 351
18.4 圓錐曲線上點的不變量 353
18.5 微分和半微分不變量 355
18.6 對稱交比函數 356
18.7 消失點檢測 357
18.8 更多關于消失點的內容 358
18.9 圓和橢圓的表觀中心 359
18.10 美術和攝影中的透視效果 360
18.11 結束語 365
18.12 書目和歷史注釋 365
18.13 問題 367
第19章 圖像變換和攝像機校準 368
19.1 導言 368
19.2 圖像變換 369
19.3 攝像機校準 372
19.4 內部和外部參數 373
19.5 徑向畸變糾正 375
19.6 多視圖視覺 376
19.7 廣義的對極幾何 376
19.8 本征矩陣 377
19.9 基礎矩陣 378
19.10 本征矩陣和基礎矩陣的性質 379
19.11 評估基礎矩陣 380
19.12 8點算法的更新 380
19.13 圖像校正 380
19.14 三維重建 381
19.15 結束語 382
19.16 書目和歷史注釋 383
19.17 問題 384
第20章 運動 385
20.1 導言 385
20.2 光流 385
20.3 光流場的理解 387
20.4 利用擴展焦點避免碰撞 389
20.5 時間鄰近度分析 390
20.6 基于光流模型的基本問題 391
20.7 運動中的立體視覺 391
20.8 卡爾曼濾波器 393
20.9 寬基線匹配 394
20.10 結束語 395
20.11 書目和歷史注釋 396
20.12 問題 396
第五部分 計算機視覺的應用
第21章 人臉檢測與識別:深度學習帶來的影響 398
21.1 導言 398
21.2 一種人臉檢測的簡單方法 399
21.3 人臉特征檢測 401
21.4 用于快速人臉檢測的Viola-Jones方法 402
21.5 人臉識別的特征臉方法 404
21.6 人臉識別的其他難點 406
21.7 人臉正面化 408
21.8 Sun等人提出的DeepID人臉表征系統 410
21.9 再議快速人臉檢測 413
21.10 三維人臉檢測 416
21.11 結束語 417
21.12 書目和歷史注釋 418
第22章 監控 420
22.1 導言 420
22.2 監控:基本幾何 421
22.3 前景–背景分離 424
22.3.1 背景建模 424
22.3.2 背景建模的實例 426
22.3.3 前景的直接檢測 430
22.4 粒子濾波 430
22.5 基于顏色直方圖的跟蹤 434
22.6 粒子濾波的應用 437
22.7 倒角匹配、跟蹤和遮擋 439
22.8 多個攝像機的組合視角 440
22.9 交通流量監測的應用 443
22.9.1 Bascle等人的系統 443
22.9.2 Koller等人的系統 445
22.10 車牌定位 446
22.11 跟蹤遮擋分類 447
22.12 通過步態區分行人 449
22.13 人體步態分析 451
22.14 基于模型的動物跟蹤 452
22.15 結束語 454
22.16 書目和歷史注釋 455
22.17 問題 456
第23章 車載視覺系統 457
23.1 導言 457
23.2 定位道路 458
23.3 道路交通標線的定位 459
23.4 道路交通標志的定位 461
23.5 車輛的定位 462
23.6 通過查看車牌和其他結構特征獲得的信息 464
23.7 定位行人 466
23.8 導航和自我運動 468
23.9 農業車輛導航 471
23.9.1 任務的三維層面 473
23.9.2 實時實現 473
23.10 結束語 474
23.11 高級駕駛輔助系統的更多細節及相關書目 474
23.11.1 車輛檢測的發展 476
23.11.2 行人檢測的發展 476
23.11.3 道路和車道檢測的發展 478
23.11.4 交通標志檢測的發展 479
23.11.5 路徑規劃、導航和自我運動的發展 480
23.12 問題 480
第24章 結語——計算機視覺展望 481
24.1 導言 481
24.2 機器視覺中的重要參數 481
24.3 權衡 483
24.3.1 一些重要的權衡 483
24.3.2 兩階段模板匹配權衡 484
24.4 摩爾定律的作用 484
24.5 硬件、算法和過程 485
24.6 選擇表達形式的重要性 485
24.7 過去、現在和未來 486
24.8 深度學習探索 487
24.9 書目和歷史注釋 487
在線資源
附錄A 穩健統計
附錄B 采樣定理
附錄C 顏色的表示
附錄D 從分布中采樣
參考文獻
序: