计算机视觉：原理、算法、应用及学习（原书第5版）
	定价	149.00
	出版社	机械工业出版社
	版次	1
	出版时间	2020年08月
	开本	16
	作者	[英]E. R. 戴维斯（E. R. Davies）
	页数	520
	字数	0
	ISBN编码	9787111664796
	重量	0

本书系统地展示了计算机视觉的基本方法学，讲解基础理论的同时，强调算法和实际中的设计约束。此次第5版全面修订，涵盖更多计算机视觉的概念和应用，既适合本科生和研究生，也适合该领域的研究人员和工程师。

译者序
推荐序
第5版前言
第1版前言
缩写词汇表
第1章 计算机视觉面临的挑战 1
1.1 导言—人类及其感官 1
1.2 视觉的本质 2
1.2.1 识别过程 2
1.2.2 解决识别问题 3
1.2.3 物体定位 4
1.2.4 场景分析 5
1.2.5 视觉是逆向图形学 6
1.3 从自动视觉检测到监控 6
1.4 本书是关于什么的 7
1.5 机器学习的作用 8
1.6 后续章节内容概述 9
1.7 书目注释 9
第#一部分 初级视觉
第2章 图像与图像处理 12
2.1 导言 12
2.2 图像处理操作 15
2.2.1 灰度图像的一些基本操作 15
2.2.2 二值图像的基本操作 19
2.3 卷积和点扩散函数 21
2.4 顺序操作与并行操作 22
2.5 结束语 23
2.6 书目和历史注释 24
2.7 问题 24
第3章 图像滤波和形态学 25
3.1 导言 25
3.2 通过高斯ping滑抑制噪声 27
3.3 中值滤波器 28
3.4 模式滤波器 30
3.5 秩排序滤波器 35
3.6 锐化–反锐化掩模 35
3.7 中值滤波器引入的偏移 36
3.7.1 中值偏移的连续体模型 36
3.7.2 推广到灰度图 38
3.7.3 中值偏移的离散模型 40
3.8 秩排序滤波器引入的偏移 41
3.9 滤波器在计算机视觉工业应用中的作用 44
3.10 图像滤波中的色彩 44
3.11 二值图像的膨胀和腐蚀 45
3.11.1 膨胀和腐蚀 45
3.11.2 抵消效应 45
3.11.3 改进的膨胀与腐蚀算子 45
3.12 数学形态学 46
3.12.1 泛化的形态学膨胀 46
3.12.2 泛化的形态学腐蚀 47
3.12.3 膨胀与腐蚀之间的对偶性 47
3.12.4 膨胀与腐蚀算子的特性 48
3.12.5 闭合与开启 50
3.12.6 基本形态学运算概要 51
3.13 形态学分组 53
3.14 灰度图像中的形态学 54
3.15 结束语 55
3.16 书目和历史注释 56
3.17 问题 58
第4章 阈值的作用 61
4.1 导言 61
4.2 区域生长方法 62
4.3 阈值方法 62
4.3.1 寻找合适的阈值 62
4.3.2 解决阈值选取中的偏差问题 63
4.4 自适应阈值 64
4.5 更彻底的阈值选择方法 66
4.5.1 基于方差的阈值 67
4.5.2 基于熵的阈值 67
4.5.3 #大似然阈值 68
4.6 全局波谷阈值方法 69
4.7 应用全局波谷阈值方法的实际结果 71
4.8 直方图凹性分析 75
4.9 结束语 75
4.10 书目和历史注释 76
4.11 问题 77
第5章 边缘检测 78
5.1 导言 78
5.2 边缘检测基本理论 79
5.3 模板匹配方法 80
5.4 3×3模板算子理论 81
5.5 微分梯度算子的设计 82
5.6 圆形算子的概念 83
5.7 圆形算子的详细实现 83
5.8 微分边缘算子的系统设计 85
5.9 上述方法的问题—一些替代方案 86
5.10 滞后阈值 88
5.11 Canny算子 89
5.12 Laplacian算子 92
5.13 结束语 93
5.14 书目和历史注释 93
5.15 问题 94
第6章 角点、兴趣点和不变特征的检测 95
6.1 导言 95
6.2 模板匹配 95
6.3 二阶导数方法 96
6.4 基于中值滤波的角点检测器 98
6.4.1 分析中值检测器的操作 98
6.4.2 实际结果 99
6.5 Harris兴趣点算子 100
6.5.1 各种几何构型的角点信号和位移 102
6.5.2 交叉点和T形交叉点的性能 103
6.5.3 Harris算子的不同形式 105
6.6 角点方向 106
6.7 局部不变特征检测器与描述符 106
6.7.1 几何变换和特征标准化 107
6.7.2 Harris尺度、仿射不变检测器和描述符 108
6.7.3 Hessian尺度、仿射不变检测器和描述符 109
6.7.4 尺度不变特征变换算子 110
6.7.5 加速鲁棒特征算子 110
6.7.6 #大稳定极值区域 111
6.7.7 各种不变特征检测器的比较 112
6.7.8 定向梯度直方图 114
6.8 结束语 115
6.9 书目和历史注释 116
6.10 问题 118
第7章 纹理分析 119
7.1 导言 119
7.2 纹理分析的一些基本方法 121
7.3 灰度共生矩阵 122
7.4 Laws纹理能量法 123
7.5 Ade特征滤波器法 125
7.6 对Laws法和Ade法的评估 126
7.7 结束语 127
7.8 书目和历史注释 127
第二部分 中级视觉
第8章 二值化形状分析 130
8.1 导言 130
8.2 二值图像的连通性 131
8.3 物体标记和计数 131
8.4 尺寸滤波 136
8.5 距离函数及其用途 138
8.6 骨架和细化 140
8.6.1 交叉数 141
8.6.2 细化的并行和顺序实现 143
8.6.3 引导细化 144
8.6.4 如何看待骨架的本质 145
8.6.5 骨架节点分析 146
8.6.6 骨架在形状识别中的应用 146
8.7 形状识别的其他度量 147
8.8 边界跟踪过程 148
8.9 结束语 149
8.10 书目和历史注释 150
8.11 问题 151
第9章 边界模式分析 154
9.1 导言 154
9.2 边界跟踪过程 156
9.3 质心轮廓 156
9.4 质心轮廓方法存在的问题 157
9.5 （s, ψ）图 159
9.6 解决遮挡问题 160
9.7 边界长度度量的准确性 162
9.8 结束语 163
9.9 书目和历史注释 164
9.10 问题 165
第10章 直线、圆和椭圆的检测 166
10.1 导言 166
10.2 霍夫变换在直线检测中的应用 167
10.3 垂足法 169
10.4 使用RANSAC进行直线检测 171
10.5 腹腔镜工具的位置 174
10.6 基于霍夫的圆形物体检测方案 175
10.7 圆半径未知的问题 178
10.8 克服速度问题 179
10.9 椭圆检测 181
10.9.1 直径ping分法 182
10.9.2 弦切法 183
10.9.3 寻找剩余椭圆参数 184
10.10 人类虹膜定位 185
10.11 结束语 186
10.12 书目和历史注释 187
10.13 问题 189
第11章 广义霍夫变换 191
11.1 导言 191
11.2 广义霍夫变换 192
11.3 空间匹配滤波的相关性 193
11.4 梯度加权与均匀加权 194
11.4.1 灵敏度和计算负荷的计算 195
11.4.2 总结 196
11.5 使用GHT检测椭圆 196
11.6 各种椭圆检测方法的比较 199
11.7 物体定位的图论方法 200
11.8 节省计算的可能性 204
11.9 使用GHT进行特征排序 205
11.10 推广#大团及其他方法 207
11.11 搜索 208
11.12 结束语 208
11.13 书目和历史注释 209
11.14 问题 212
第12章 物体分割与形状模型 215
12.1 导言 215
12.2 主动轮廓 215
12.3 使用主动轮廓获得的实际结果 217
12.4 用于物体分割的水ping集方法 218
12.5 形状模型 219
12.6 结束语 227
12.7 书目和历史注释 227
第三部分 机器学习和深度学习网络
第13章 基本分类概念 230
13.1 导言 230
13.2 #近邻算法 231
13.3 贝叶斯决策理论 232
13.4 #近邻与贝叶斯方法的关系 234
13.4.1 问题的数学陈述 234
13.4.2 #近邻算法的重要性 236
13.5 #佳特征数量 236
13.6 代价函数和错误–拒绝权衡 236
13.7 监督和无监督学习 238
13.8 聚类分析 238
13.9 支持向量机 240
13.10 人工神经网络 241
13.11 反向传播算法 244
13.12 多层感知器架构 246
13.13 训练数据过拟合 247
13.14 结束语 248
13.15 书目和历史注释 249
13.16 问题 250
第14章 机器学习：概率方法 251
14.1 导言 251
14.2 高斯混合和EM算法 253
14.3 更一般的EM算法视图 257
14.4 一些实际例子 259
14.5 主成分分析 264
14.6 多分类器 266
14.7 Boosting方法 268
14.8 AdaBoost建模 270
14.9 Boosting方法的损失函数 272
14.10 LogitBoost算法 275
14.11 Boosting方法的有效性 277
14.12 多类别的Boosting方法 277
14.13 接受者操作特性 281
14.14 结束语 284
14.15 书目和历史注释 284
14.16 问题 286
第15章 深度学习网络 287
15.1 导言 287
15.2 卷积神经网络 289
15.3 用于定义CNN架构的参数 290
15.4 LeCun 等人提出的LeNet 架构 293
15.5 Krizhevsky等人提出的AlexNet架构 296
15.6 Zeiler和Fergus对CNN架构的研究 300
15.7 Zeiler和Fergus的可视化实验 302
15.8 Simonyan和Zisserman的VGGNet架构 303
15.9 N0h等人的DeconvNet架构 305
15.10 Badrinarayanan等人的SegNet架构 307
15.11 循环神经网络 309
15.12 结束语 311
15.13 书目和历史注释 313
第四部分 三维视觉和运动
第16章 三维世界 316
16.1 导言 316
16.2 三维视觉方法 316
16.3 三维视觉投影方案 318
16.3.1 双目图像 319
16.3.2 对应问题 320
16.4 阴影形状 322
16.5 光度立体技术 325
16.6 表面光滑性的假设 326
16.7 纹理形状 327
16.8 结构光的使用 327
16.9 三维物体识别方案 329
16.10 Horaud的汇聚定向技术 329
16.11 一个重要的范例—工业零件的定位 332
16.12 结束语 333
16.13 书目和历史注释 334
16.14 问题 336
第17章 解决n点透视问题 338
17.1 导言 338
17.2 视角倒转现象 338
17.3 弱透视投影下的姿势歧义性 339
17.4 求姿势估计的唯#一解 341
17.4.1 三点情况下的解 343
17.4.2 利用对称梯形来预测姿势 344
17.5 结束语 345
17.6 书目和历史注释 345
17.7 问题 346
第18章 不变量与透视 347
18.1 导言 347
18.2 交比：“比率的比率”的概念 348
18.3 非共线点的不变量 351
18.4 圆锥曲线上点的不变量 353
18.5 微分和半微分不变量 355
18.6 对称交比函数 356
18.7 消失点检测 357
18.8 更多关于消失点的内容 358
18.9 圆和椭圆的表观中心 359
18.10 美术和摄影中的透视效果 360
18.11 结束语 365
18.12 书目和历史注释 365
18.13 问题 367
第19章 图像变换和摄像机校准 368
19.1 导言 368
19.2 图像变换 369
19.3 摄像机校准 372
19.4 内部和外部参数 373
19.5 径向畸变纠正 375
19.6 多视图视觉 376
19.7 广义的对极几何 376
19.8 本征矩阵 377
19.9 基础矩阵 378
19.10 本征矩阵和基础矩阵的性质 379
19.11 评估基础矩阵 380
19.12 8点算法的更新 380
19.13 图像校正 380
19.14 三维重建 381
19.15 结束语 382
19.16 书目和历史注释 383
19.17 问题 384
第20章 运动 385
20.1 导言 385
20.2 光流 385
20.3 光流场的理解 387
20.4 利用扩展焦点避免碰撞 389
20.5 时间邻近度分析 390
20.6 基于光流模型的基本问题 391
20.7 运动中的立体视觉 391
20.8 卡尔曼滤波器 393
20.9 宽基线匹配 394
20.10 结束语 395
20.11 书目和历史注释 396
20.12 问题 396
第五部分 计算机视觉的应用
第21章 人脸检测与识别：深度学习带来的影响 398
21.1 导言 398
21.2 一种人脸检测的简单方法 399
21.3 人脸特征检测 401
21.4 用于快速人脸检测的Viola-Jones方法 402
21.5 人脸识别的特征脸方法 404
21.6 人脸识别的其他难点 406
21.7 人脸正面化 408
21.8 Sun等人提出的DeepID人脸表征系统 410
21.9 再议快速人脸检测 413
21.10 三维人脸检测 416
21.11 结束语 417
21.12 书目和历史注释 418
第22章 监控 420
22.1 导言 420
22.2 监控：基本几何 421
22.3 前景–背景分离 424
22.3.1 背景建模 424
22.3.2 背景建模的实例 426
22.3.3 前景的直接检测 430
22.4 粒子滤波 430
22.5 基于颜色直方图的跟踪 434
22.6 粒子滤波的应用 437
22.7 倒角匹配、跟踪和遮挡 439
22.8 多个摄像机的组合视角 440
22.9 交通流量监测的应用 443
22.9.1 Bascle等人的系统 443
22.9.2 Koller等人的系统 445
22.10 车牌定位 446
22.11 跟踪遮挡分类 447
22.12 通过步态区分行人 449
22.13 人体步态分析 451
22.14 基于模型的动物跟踪 452
22.15 结束语 454
22.16 书目和历史注释 455
22.17 问题 456
第23章 车载视觉系统 457
23.1 导言 457
23.2 定位道路 458
23.3 道路交通标线的定位 459
23.4 道路交通标志的定位 461
23.5 车辆的定位 462
23.6 通过查看车牌和其他结构特征获得的信息 464
23.7 定位行人 466
23.8 导航和自我运动 468
23.9 农业车辆导航 471
23.9.1 任务的三维层面 473
23.9.2 实时实现 473
23.10 结束语 474
23.11 高#级驾驶辅助系统的更多细节及相关书目 474
23.11.1 车辆检测的发展 476
23.11.2 行人检测的发展 476
23.11.3 道路和车道检测的发展 478
23.11.4 交通标志检测的发展 479
23.11.5 路径规划、导航和自我运动的发展 480
23.12 问题 480
第24章 结语——计算机视觉展望 481
24.1 导言 481
24.2 机器视觉中的重要参数 481
24.3 权衡 483
24.3.1 一些重要的权衡 483
24.3.2 两阶段模板匹配权衡 484
24.4 摩尔定律的作用 484
24.5 硬件、算法和过程 485
24.6 选择表达形式的重要性 485
24.7 过去、现在和未来 486
24.8 深度学习探索 487
24.9 书目和历史注释 487
在线资源
附录A 稳健统计
附录B 采样定理
附录C 颜色的表示
附录D 从分布中采样
参考文献

这本书是计算机视觉领域的经典之作，涵盖了深度学习、神经网络、图像处理等热门技术。书中讲解了人脸识别、机器深度学习、图像处理、模式识别和自动驾驶等领域的应用，非常适合计算机视觉领域的从业者和学习者。