[正版新书]计算机视觉基础 鲁鹏、朱新山 清华大学出版社 目标跟踪

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。

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。

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。

目录

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

3.3LeungMalik卷积核组39

3.3.1LeungMalik卷积核组的组成39

3.3.2LeungMalik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

5.1.3HarrisLaplace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

6.3.2TFIDF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Kmeans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

9.1.2LucasKanade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