热门关键字:  听力密码  听力密码  新概念美语  单词密码  巧用听写练听力

统计学习与机器视觉基础与综合

中国水利水电出版社
    【作 者】郐新凯 郑睿 侯保卫 杨国胜 【I S B N 】978-7-5170-4591-5 【责任编辑】周益丹 【适用读者群】本专通用 【出版时间】2016-08-10 【开 本】16开 【装帧信息】平装(光膜) 【版 次】第1版第1次印刷 【页 数】136 【千字数】192 【印 张】8.5 【定 价】34 【丛 书】 【备注信息】
图书详情

    统计学习是机器学习发展到一定阶段的产物,属于方法论的范畴。机器视觉的主要任务就是通过对采集的图片或视频进行处理、分析和识别,以获得相应场景的三维信息,有着广泛的应用领域。而当前,统计学习是研究机器视觉领域问题的有效方法之一。

    本书的主要研究内容是统计学习在机器视觉中的应用,包括基于统计学习的图像分割、基于统计学习的图像特征提取、基于统计学习的特征匹配和图像分类,以及两个具体的基于统计学习的机器视觉应用。

    本书可以作为大学生和研究生统计学习和机器视觉及相关课程的教学参考书,也可作为工程技术人员的参考书。

    由于计算机技术和数字成像技术的进步,机器视觉技术如今蓬勃发展,广泛应用于国民经济的各个领域。与此同时,人工智能技术也取得了极大的进步,尽管从人类能够使用计算机编写程序时就开始考虑如何让计算机模拟人脑的智力行为,如著名的图灵机测试就是一个用于验证计算机是否达到人的智力水平的典型思维实验,但人工智能真正得到快速发展还是在统计学习理论为其奠定了坚实基础之后,机器视觉系统应对复杂问题的能力也随之得到了提升。本书对统计学习与机器视觉从基础到综合应用进行了全方位的分析,以使读者能较快掌握这一领域的专业知识并应用到自己的实际工作中去。

    全书共六章,分别如下:

    第一章 绪论。主要介绍统计学习和机器视觉的基本概念、发展历程。

    第二章 机器视觉。对于机器视觉的系统组成,从基础的图像知识到相机标定、立体视觉等内容都做了概括性介绍,为后面几章内容的理解建立基础。

    第三章 统计学习与图像分割。由于图像分割在机器视觉中是一个非常基础的问题,而且良好的分割结果必然是基于统计方法的,因此对这一主题单独做了分析。

    第四章 图像特征提取。特征提取也是一个重要的基础问题,一些特征从原理上就具备统计性质,而另外一些特征具备局部统计特性,在本章中分别做了介绍。

    第五章 案例:人脸识别。目前人脸识别技术已经日趋成熟,因此非常适合作为基本的教学案例以说明统计学习方法是如何在机器视觉具体问题中应用的。

    第六章 案例:视频监控系统。本案例是从机器视觉系统角度出发的,集成了多种视觉技术,如检测、跟踪等,通过这个例子读者可以加深对前面章节中所学知识的理解。

    本书在编写过程中得到了北京市教育委员会共建项目“北京市公共安全信息监测平台关键技术研究”的资助,引用了许多研究人员和作者的论述、观点、方法、研究结果和一些图片,在此一并致以衷心的感谢。

    由于作者水平所限,书中难免会有疏漏和不当之处,欢迎专家和读者给予批评指正。

    编 者

    2016年3月

    第一章 绪论 1
    1.1 统计学习 1
    1.1.1 统计学习的定义 1
    1.1.2 统计机器学习概述 2
    1.1.3 统计机器学习的常用学习算法 5
    1.2 机器视觉 8
    1.2.1 相关概念 8
    1.2.2 机器视觉概述 9
    1.3 统计机器学习与机器视觉 12
    1.3.1 两者的关系 12
    1.3.2 两者的数学基础 13
    参考文献 13
    第二章 机器视觉 14
    2.1 引言 14
    2.2 图像预处理 16
    2.2.1 图像几何变换 16
    2.2.2 灰度变换 19
    2.2.3 图像滤波 20
    2.3 相机标定 23
    2.3.1 畸变校正 23
    2.3.2 线性模型 24
    2.3.3 标定方法 26
    2.4 立体视觉 29
    2.4.1 基元检测 29
    2.4.2 极线约束 31
    2.4.3 三维重建 32
    参考文献 37
    第三章 统计学习与图像分割 38
    3.1 引言 38
    3.2 经典图像分割方法 39
    3.2.1 基于边缘的方法 39
    3.2.2 基于阈值的方法 41
    3.2.3 基于区域的方法 42
    3.3 基于聚类的方法 42
    3.3.1 基本算法 43
    3.3.2 分割步骤 44
    3.4 基于马尔可夫场的方法 44
    3.4.1 图像的马尔可夫随机场描述 44
    3.4.2 参数估计 45
    3.5 基于熵信息的阈值分割法 46
    3.5.1 阈值分割中的熵信息 46
    3.5.2 基于最大熵的阈值分割方法 47
    3.5.3 基于Pal熵的阈值分割方法 50
    3.5.4 基于Renyi熵的阈值分割方法 51
    3.5.5 基于Tsallis熵的阈值分割方法 54
    3.5.6 基于交叉熵的阈值分割方法 57
    3.6 实验分析 58
    3.6.1 基于熵信息的阈值分割方法的分析
    与比较 58
    3.6.2 基于熵信息的阈值分割方法与其他
    阈值方法的分析和比较 62
    3.7 小结 64
    参考文献 65
    第四章 图像特征提取 67
    4.1 引言 67
    4.2 基于颜色的特征 68
    4.2.1 直方图相交法 69
    4.2.2 颜色集 70
    4.2.3 颜色矩 71
    4.3 基于纹理的特征 71
    4.3.1 灰度共生矩阵 72
    4.3.2 几何法 73
    4.3.3 模型法 74
    4.3.4 信号处理法 74
    4.4 基于形状的特征 77
    4.4.1 傅里叶形状描述法 77
    4.4.2 形状参数法 78
    4.4.3 不变矩法 79
    4.5 应用于行人检测的HOG特征 80
    4.5.1 行人检测算法研究现状 80
    4.5.2 HOG行人检测流程 80
    4.6 SIFT特征及改进算法 82
    4.6.1 SIFT经典方法 82
    4.6.2 PCA-SIFT特征提取 87
    4.6.3 仿射不变特征(ASIFT) 88
    4.6.4 快速鲁棒特征(SURF) 91
    参考文献 94
    第五章 案例:人脸识别 97
    5.1 引言 97
    5.2 人脸检测 97
    5.2.1 研究现状 97
    5.2.2 Viola-Jones人脸检测器 97
    5.2.3 基于ASM的人脸对齐 100
    5.3 人脸识别 102
    5.4 人脸快速检索 103
    5.5 基于深度学习的识别 104
    参考文献 110
    第六章 案例:视频监控系统 112
    6.1 引言 112
    6.2 基于HOG+DPM的行人检测 112
    6.2.1 DPM行人检测算法 112
    6.2.2 DPM结合混合高斯模型的
    行人检测 114
    6.3 基于颜色与身高的行人识别 117
    6.3.1 颜色特征提取 117
    6.3.2 身高特征提取 118
    6.3.3 识别综合算法 121
    6.4 行人跟踪 122
    6.4.1 CT跟踪算法 123
    6.4.2 TLD跟踪算法 123
    6.4.3 协同跟踪 126
    参考文献 128





最新评论共有 0 位网友发表了评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码:
匿名?
注册