机器视觉原理与应用

目录
前言
第1章机器视觉理论简介
1.1机器视觉简介
1.2机器视觉的发展
1.3Marr视觉计算理论
1.4深度学习
1.5机器视觉的研究内容及面临的问题
1.6机器视觉的应用
思考与练习
第2章机器视觉数学基础
2.1线性空间
2.2内积空间
2.3矩阵的因子分解
2.4稠密及其完备性
2.5向量范数
2.6矩阵范数
2.7矩阵扰动分析
2.8广义逆矩阵
思考与练习
第3章机器视觉编程基础
3.1Python安装及环境搭建
3.2Python编译器
3.3Python数据类型
3.4变量与常量
3.5运算符
3.6选择与循环
3.7列表与元组
3.8NumPy数组
3.9字典
3.10函数
3.11面向对象的编程
3.12Python调用MATLAB程序
思考与练习
第4章机器视觉测量系统
4.1工业相机
4.2镜头
4.3光源
4.4图像采集卡
4.5数据通信接口
思考与练习
第5章视觉图像基础
5.1视觉图像的产生
5.2图像的表示和可视化
5.3像素间的关系
5.4图像品质评价
5.5图像处理
5.6图像的频域变换
思考与练习
第6章基于OpenCV和Python的图像预处理
6.1图像增强
6.2阈值处理及图像滤波
6.3图像的代数运算
6.4二值图像的几何性质与操作
6.5基于OpenCV和Python的机器视觉
思考与练习
第7章图像的特征提取
7.1点检测
7.2边缘检测
7.3边缘轮廓检测
7.4Hough(霍夫)变换
思考与练习
第8章视觉动态纹理识别
8.1纹理描述
8.2纹理特征
8.3动态纹理识别
思考与练习
第9章图像配准
9.1图像配准概述
9.2空间几何变换
9.3基于灰度的图像配准
9.4基于特征的图像配准
9.5快速匹配算法
9.6亚像素超分优化匹配技术
9.7OpenCV实现超像素细分
思考与练习
第10章立体视觉
10.1坐标系间的变换关系
10.2摄像机成像模型
10.3工业相机标定方法
10.4双目视觉测量数学模型
10.5立体匹配方法与极限约束
10.6双目视觉测量系统标定
10.7双目重构
10.8双目融合全局算法
思考与练习
第11章主动轮廓与跟踪运动
11.1主动轮廓模型
11.2弹性形状模型
11.3高斯混合模型
11.4跟踪运行特征
11.5基于视觉的运动特征提取与描述
思考与练习
第12章聚类分析
12.1K-Means聚类
12.2FCM聚类
12.3SCM聚类
思考与练习
第13章随机配置网络
13.1随机配置网络基础
13.2鲁棒随机配置网络原理
13.3鲁棒随机配置网络应用
13.4基于随机配置网络的PET油瓶智能识别
思考与练习
参考文献