新書推薦：
《
长安之春（典藏版）
》
售價：HK$
86.9
《
精读（畅销书《精进》作者采铜重磅新作，助你掌握AI不具备的精读能力 ）
》
售價：HK$
65.8
《
排爆组遭遇自旋（第165届直木奖得主佐藤究首次引进国内！ 推理×科幻×怪物 ）
》
售價：HK$
75.9
《
日本的中世国家 （平安时代到南北朝日本国家制度变革的全景式研究）
》
售價：HK$
107.8
《
舌尖上的微生物：发酵的历史、食谱与创新
》
售價：HK$
173.8
《
认知行为疗法简易操作指南（原著第二版）
》
售價：HK$
96.8
《
分镜！成为漫画家的第一步
》
售價：HK$
107.8
《
永恒与时间：丸山真男思想史学的交响曲
》
售價：HK$
107.8
|
| 編輯推薦： |
1. 创新课程体系：围绕计算机视觉五大核心任务，全书构建了“基础篇—识别篇—重建篇”课程体系，使读者循序渐进地学习，体验全程无缝式学习之旅。
2. 精选教学内容：基于编者多年研究与教学经验精心编排内容，深入浅出地阐述建模任务的策略，引导读者透彻理解视觉任务的数学框架与求解智慧，为探索复杂视觉谜题铺设清晰道路。
3. 配套资源全面：教学大纲简明，课件精美，代码详尽，视频全面，在线资源丰富，为读者打造全方位的学习资源，促进知识吸收与技能内化，提高学习效率。
4. 读者覆盖面广：本书不仅满足不同层次人工智能专业读者的需求，也满足计算机视觉研究者深化探索的要求，实现学术与实践的广泛覆盖。
|
| 內容簡介： |
本书围绕计算机视觉的五大核心任务: 图像分类、图像分割、目标检测、目标跟踪、三维场景重建，将内容划分为三部分: 基础篇、识别篇与重建篇。其中，基础篇（第1～5章）讲述计算机视觉任务的共性知识与算法，涵盖线性滤波器、图像边缘提取、纹理表示、角点特征提取、尺度不变特征；识别篇（第6～9章）关注机器如何理解图像内容，重点介绍图像分类、目标检测、图像分割、目标跟踪四个视觉识别任务的难点、解决思路及对应的识别算法与模型；重建篇（第10～15章）聚焦如何从图像中进行三维场景的结构重建，内容涵盖摄像机几何、摄像机标定、单视图几何、三角化与极几何、双目立体视觉、运动恢复结构等基本概念与算法。
來源：香港大書城megBookStore,http://www.megbook.com.hk
本书适合作为高等院校人工智能、智能科学与技术专业高年级本科生、研究生的教材，也可供对计算机视觉比较熟悉的开发人员、广大科技工作者和研究人员参考。
|
| 目錄：
|
第1章线性滤波器1
1.1卷积1
1.1.1数字图像基础1
1.1.2卷积的定义2
1.1.3卷积的性质4
1.1.4卷积的用例4
1.2图像去噪6
1.2.1噪声分析6
1.2.2中值滤波7
1.2.3高斯卷积核8
小结13
习题13
第2章图像边缘提取14
2.1图像边缘与图像求导14
2.1.1图像边缘的含义14
2.1.2边缘位置的特点15
2.1.3图像导数与梯度15
2.1.4高斯一阶偏导核17
2.2Canny边缘检测算法19
2.3拟合21
2.3.1最小二乘法22
2.3.2RANSAC算法25
2.3.3Hough变换28
小结32
习题32
第3章纹理表示34
3.1图像纹理的概念34
3.1.1理解图像纹理34
3.1.2图像纹理的作用36
3.2图像纹理的表示37
3.2.1纹理的表示方法37
3.2.2构建卷积核组37
3.2.3纹理统计分析38
3.3LeungMalik卷积核组39
3.3.1LeungMalik卷积核组的组成39
3.3.2LeungMalik卷积核组的构建40
小结42
习题42
第4章角点特征提取43
4.1局部特征43
4.1.1图像拼接问题43
4.1.2局部特征概念44
4.2角点检测46
4.2.1角点特性分析46
4.2.2Harris角点检测器46
4.2.3Harris角点检测效果51
小结52
习题52
第5章尺度不变特征54
5.1尺度不变理论基础54
5.1.1尺度不变思路54
5.1.2高斯拉普拉斯算子56
5.1.3HarrisLaplace检测器60
5.2SIFT60
5.2.1高斯差分尺度空间60
5.2.2SIFT特征点检测63
5.2.3SIFT特征描述子64
5.3ORB特征66
5.3.1Oriented FAST66
5.3.2BRIEF特征描述子67
5.3.3ORB特征68
小结68
习题69
第6章图像分类70
6.1图像分类任务概述70
6.2数据驱动的图像分类范式74
6.2.1机器学习的分类74
6.2.2机器学习三要素75
6.2.3模型评估与选择77
6.2.4过拟合、欠拟合与模型正则化78
6.2.5基于有监督学习的图像分类范式79
6.2.6图像分类模型的精度评价80
6.3基于词袋模型的图像表示81
6.3.1基于词袋模型的文本表示81
6.3.2TFIDF加权82
6.3.3词袋模型在图像表示中的应用83
6.4基于线性多类支持向量机的图像分类85
6.4.1线性分类模型85
6.4.2学习策略与多类支持向量机损失86
6.4.3梯度下降算法87
小结88
习题88
第7章目标检测90
7.1目标检测概述90
7.1.1任务难点90
7.1.2评价指标91
7.1.3滑动窗口法91
7.2基于AdaBoost的人脸检测93
7.2.1AdaBoost算法94
7.2.2类Haar特征95
7.2.3基于级联结构的人脸检测模型97
7.3基于HOG特征的行人检测99
7.3.1HOG特征100
7.3.2利用HOG特征实现行人检测100
小结102
习题102
第8章图像分割103
8.1图像分割概述103
8.2人类视觉分组与格式塔规则104
8.3基于像素聚类的图像分割105
8.3.1基于Kmeans的图像分割105
8.3.2基于均值漂移的图像分割107
8.4基于图的图像分割111
8.4.1基于特征向量的图像分割算法111
8.4.2基于归一化割的图像分割算法112
小结114
习题114
第9章目标跟踪116
9.1基于光流的运动跟踪116
9.1.1光流计算基本等式117
9.1.2LucasKanade光流算法118
9.2卡尔曼滤波121
9.2.1贝叶斯滤波器121
9.2.2动态模型122
9.2.3卡尔曼滤波122
9.3粒子滤波124
9.3.1非线性模型125
9.3.2重要性采样125
9.3.3SIS粒子滤波器126
9.3.4重采样127
9.3.5SIR粒子滤波器128
小结128
习题129
第10章摄像机几何130
10.1针孔模型与透镜130
10.1.1针孔摄像机130
10.1.2透镜成像133
10.2一般摄像机模型137
10.2.1齐次坐标137
10.2.2坐标系变换和刚体变换139
10.2.3一般摄像机的几何模型143
10.2.4透视投影矩阵的性质146
10.3其他摄像机模型147
10.3.1规范化摄像机模型147
10.3.2弱透视投影摄像机147
10.3.3正交投影摄像机148
小结149
习题149
第11章摄像机标定150
11.1针孔模型与摄像机标定问题150
11.1.1最小二乘参数估计150
11.1.2投影矩阵求解155
11.1.3摄像机内外参数求解156
11.1.4退化情况159
11.2径向畸变的摄像机标定160
11.2.1径向畸变模型160
11.2.2径向畸变标定161
小结163
习题163
第12章单视图几何165
12.1射影几何基础165
12.1.1直线的齐次坐标165
12.1.2平面上的无穷远点与无穷远线166
12.1.3平面上的变换167
12.1.4平面上的无穷远点与无穷远线的变换169
12.2单视图重构170
12.2.1消影点与消影线170
12.2.2单视重构172
小结173
习题174
第13章三角化与极几何175
13.1三维重建的基础175
13.1.1三角化的概念175
13.1.2三角化的线性解法176
13.1.3三角化的非线性解法177
13.2极几何与基础矩阵178
13.2.1极几何178
13.2.2本质矩阵与基础矩阵179
13.3基础矩阵估计181
13.3.1八点法181
13.3.2归一化八点法183
13.4单应矩阵184
13.4.1单应矩阵概念184
13.4.2单应矩阵估计185
小结186
习题186
第14章双目立体视觉188
14.1基于平行视图的双目立体视觉188
14.1.1平行视图的基础矩阵与极几何188
14.1.2平行视图的三角测量与视差190
14.2图像校正191
14.3对应点搜索194
14.3.1相关匹配算法194
14.3.2相关法存在的问题196
小结198
习题198
第15章运动恢复结构200
15.1问题概述200
15.2欧氏运动恢复结构201
15.2.1两视图的欧氏运动恢复结构201
15.2.2基于捆绑调整的欧氏运动恢复结构204
15.3基于增量法的欧氏运动恢复结构系统设计205
15.3.1PnP问题与P3P方法205
15.3.2增量式SfM系统208
小结210
习题211
参考文献212
|
| 內容試閱：
|
作为人工智能领域的重要分支，计算机视觉旨在赋予计算机类似人类视觉的感知和理解能力。其技术已在多个领域展示出巨大潜力，并广泛应用于各方面，如图像识别、目标检测、人脸识别以及自动驾驶等。
本书以计算机视觉的基础技术为起点，以五大核心任务为主线，对其基础知识进行了系统梳理与组织，并按照主要任务的顺序组织课程内容，使学习更为便捷。通过学习本教材，读者将提升工程开发能力。
全书共分15章，以计算机视觉任务为主线，内容由浅入深展开，结构清晰，易于理解。第1章介绍线性滤波器，包括卷积的基础理论及其在图像去噪中的典型应用。第2章探讨图像边缘提取技术，涉及图像边缘与图像求导、经典的Canny边缘检测算法以及3种拟合技术。第3章着眼纹理表示，介绍图像纹理的概念、图像纹理的表示和LeungMalik卷积核组。第4章为角点特征提取，分为局部特征和角点检测两部分，详细讲述了Harris角点检测算法。第5章关注图像的尺度不变特征，介绍尺度不变理论基础，以及SIFT和ORB特征提取方法。第6章介绍图像分类任务的定义与难点，探讨了基于机器学习与词袋模型的图像分类方法。第7章聚焦目标检测技术，以人脸检测和行人检测为例，介绍目标检测技术中的两个经典算法——AdaBoost算法和HOG算法。第8章介绍图像分割任务，包括基于像素聚类的图像分割方法以及基于图的图像分割方法。第9章深入探讨目标跟踪的核心技术和算法，包括基于光流、卡尔曼滤波以及粒子滤波的方法。第10章详细介绍摄像机的数学模型，包括其内部参数和外部参数的概念，它们是理解和应用摄像机几何理论的基础。第11章深入讨论摄像机的参数标定问题，介绍了内、外参数的求解及径向畸变参数的估计方法。第12章介绍单视图几何知识，涵盖射影几何、消影点和消影线等基础概念，并讨论了单视图重构的基本前提和技术。第13章聚焦三维重建的基本方法和极几何，介绍了三角化、极几何、基础矩阵和单应矩阵的基本概念与求解方法，它们是进行精确三维定位和建模的前提。第14章探讨双目立体视觉技术，包括平行视图的极几何关系、平行视图校正以及基于相关性匹配的视差估计方法。最后，第15章研究运动恢复结构问题及其对应的求解算法，完整地呈现了从图像中重建三维场景的过程。
本书具有以下特点:
(1) 遵照教指委智能科学与技术和人工智能专业及相关专业的培养目标和培养方案，合理安排计算机视觉知识体系，结合机器学习和智能机器人的先行课程和后续课程组织相关知识点与内容。
(2) 注重理论和实践结合，融入计算机视觉的任务实例，使学生在掌握理论知识的同时提高处理任务过程中分析问题和解决问题的实践动手能力，增强创新意识，理论知识和实践技能得到全面发展。
(3) 每个知识点都包括基础示例，知识内容层层推进，易于接受和掌握。每章都以计算机视觉任务为主线，将知识点有机地串联在一起，便于学习。
(4) 每章习题中提供一定数量的课外实践题目，采用课内外结合的方式，培养学生编程的兴趣，提高其工程实践能力，满足当前社会对开发人员的需求。
(5) 本书提供配套的教学课件、基础案例的源码。
在本书编写过程中，编者参阅了国内外高校的教学与科研成果，也吸取了国内外高等教材的精髓，对这些作者的贡献表示由衷的感谢。同时得到了彭响、赵钊然、董相涛、刘柏川、乔前、张安然、王利玮、宋世鹏等多位同学的帮助，并得到了清华大学出版社的大力支持，在此表示诚挚的感谢。
由于编者水平有限，书中难免有不妥和疏漏之处，恳请各位专家、同仁和读者不吝赐教和批评指正，并与编者讨论。
编者
2025年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
