计算机视觉

第1章 计算机视觉概述
1.1 计算机视觉简介
1.2 计算机视觉的发展历史
1.3 计算机视觉领域的学术会议和期刊
1.4 计算机视觉的应用
1.4.1 智能机器人
1.4.2 医学图像分析
1.4.3 智能交通
1.4.4 智能监控
1.4.5 日常应用
1.5 计算机视觉面临的挑战
思考题
第2章 图像的形成
2.1 成像几何学
2.1.1 成像模型
2.1.2 摄像机参数
2.1.3 摄像机标定
2.2 成像物理学
2.2.1 成像物理模型
2.2.2 光度立体
2.2.3 高动态范围图像
2.2.4 曝光融合
2.3 颜色分析
2.3.1 三基色原理
2.3.2 颜色空间
2.3.3 色彩恒常
2.3.4 阴影去除
2.4 数字相机
思考题
第3章 图像处理
3.1 线性滤波器
3.2 非线性滤波器
3.3 边缘检测
3.3.1 边缘检测算子
3.3.2 Canny边缘检测算法
3.4 傅里叶变换
思考题
第4章 图像的局部特征
4.1 角点检测
4.1.1 Harris角点的检测
4.1.2 SIFT的检测
4.2 区域表示
4.2.1 梯度方向直方图
4.2.2 SIFT的表示
思考题
第5章 纹理分析
5.1 纹理简介
5.2 纹理的表示
5.2.1 灰度同现矩阵
5.2.2 词袋模型
5.3 纹理的合成
思考题
第6章 图像分割
6.1 图像分割的定义
6.2 基于区域的图像分割方法
6.2.1 区域生长法
6.2.2 区域分裂与合并法
6.2.3 分水岭算法
6.3 基于聚类的图像分割方法
6.3.1 层次聚类与分裂聚类
6.3.2 基于K-means的图像分割
6.3.3 基于均值迁移的图像分割
6.4 基于图的图像分割
6.5 基于马尔科夫随机场的图像分割
6.6 基于运动的图像分割
6.7 交互式的图像分割
6.8 图像分割的评价
思考题
第7章 模型拟合
7.1 *小二乘法估计直线
7.2 鲁棒估计方法
7.3 霍夫变换
7.4 RANSAC方法
7.5 基于概率的拟合方法
7.6 *大期望算法
7.7 模型选择
7.7.1 AIC
7.7.2 BIC
7.7.3 *小描述长度
思考题
第8章 三维重建
8.1 立体视觉
8.1.1 外极线约束
8.1.2 视差与深度
8.1.3 立体匹配
8.2 运动视觉
8.2.1 两视角的运动视觉
8.2.2 多视角的运动视觉
8.2.3 运动视觉的应用
思考题
第9章 视觉目标跟踪
9.1 视觉目标跟踪简介
9.2 产生式跟踪方法
9.2.1 粒子滤波
9.2.2 基于稀疏编码的目标表示
9.3 判别式跟踪方法
9.3.1 相关滤波
9.3.2 基于在线多示例学习的目标跟踪算法
9.4 多目标跟踪方法
9.4.1 无模型约束的方法
9.4.2 基于检测（关联）的跟踪方法
9.5 数据集及评价方法
9.5.1 目标跟踪数据集
9.5.2 VOT数据集
9.5.3 多目标跟踪数据集
思考题
第10章 图像分类
10.1 全局图像特征
10.1.1 颜色直方图
10.1.2 颜色矩
10.1.3 形状特征
10.1.4 GIST特征
10.1.5 主成分分析
10.1.6 线形判别分析
10.2 分类器
10.2.1 *近邻分类器
10.2.2 基于类直方图的分类器
10.2.3 基于分界面的分类器
10.3 图像分类的评价标准
10.3.1 混淆矩阵
10.3.2 ROC曲线
10.3.3 AUC
思考题
第11章 物体检测
11.1 基于滑动窗口的物体检测方法
11.1.1 基于Haar特征和AdaBoost算法的人脸检测方法
11.1.2 基于级联分类器的物体检测方法
11.1.3 基于可变形部件模型的物体检测方法
11.2 基于区域提名的物体检测方法
11.2.1 选择性搜索
11.2.2 Objectness
11.2.3 EdgeBox
11.3 物体检测常用数据集
11.3.1 PASCAL VOC数据集
11.3.2 MS COCO数据集
11.3.3 ImageNet数据集
11.4 物体检测评价指标
思考题
第12章 深度学习与计算机视觉
12.1 深度学习
12.2 深度学习与人脸识别
12.2.1 DeepFace
12.2.2 DeepID系列
12.2.3 FaceNet
12.3 深度学习与物体检测
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 深度学习与目标跟踪
思考题
参考文献