图像处理.分析与机器视觉(第4版)/MILAN SONKA VACLAV HLAVAC

1）涵盖十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。 （2）图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。 （3）提供了丰富的参考文献，既列出了经过时间考验的经典论文，也列出了能反映未来发展方向的近期新进展，适于读者进一步深入探索。

本书是英文第4版的中文翻译，大约有五分之一的内容更新。主要更新的内容包括：增加了一些近期新的算法，增加了习题部分，重写了部分内容。更为具体的内容更新请参考作者序。 本书是在第3版中文翻译的基础上，按照直译的原则进行翻译的，与英文版形成接近的对照。对于英文版中明显存在的排印或疏忽类的错误，都进行了更正。由于这些错误一般都很明显，因此译文中没有专门声明，读者如果对照英文版，不难看出其出处。

目 录 第1章 引言 1 1.1 动机 1 1.2 计算机视觉为什么是困难的 2 1.3 图像表达与图像分析的任务 4 1.4 总结 7 1.5 习题 7 1.6 参考文献 8 第2章 图像及其表达与性质 9 2.1 图像表达若干概念 9 2.2 图像数字化 11 2.2.1 采样 11 2.2.2 量化 12 2.3 数字图像性质 13 2.3.1 数字图像的度量和拓扑性质 13 2.3.2 直方图 17 2.3.3 熵 18 2.3.4 图像的视觉感知 18 2.3.5 图像品质 20 2.3.6 图像中的噪声 21 2.4 彩色图像 22 2.4.1 色彩物理学 22 2.4.2 人所感知的色彩 23 2.4.3 彩色空间 26 2.4.4 调色板图像 28 2.4.5 颜色恒常性 28 2.5 摄像机概述 29 2.5.1 光敏传感器 29 2.5.2 黑白摄像机 30 2.5.3 彩色摄像机 32 2.6 总结 32 2.7 习题 33 2.8 参考文献 35 第3章 图像及其数学与物理背景 37 3.1 概述 37 3.1.1 线性 37 3.1.2 狄拉克（Dirac）分布和卷积 37 3.2 积分线性变换 38 3.2.1 作为线性系统的图像 39 3.2.2 积分线性变换引言 39 3.2.3 1D傅里叶变换 39 3.2.4 2D傅里叶变换 43 3.2.5 采样与香农约束 45 3.2.6 离散余弦变换 47 3.2.7 小波变换 48 3.2.8 本征分析 52 3.2.9 奇异值分解 53 3.2.10 主分量分析 54 3.2.11 Radon变换 56 3.2.12 其他正交图像变换 56 3.3 作为随机过程的图像 57 3.4 图像形成物理 59 3.4.1 作为辐射测量的图像 59 3.4.2 图像获取与几何光学 60 3.4.3 镜头像差和径向畸变 63 3.4.4 从辐射学角度看图像获取 65 3.4.5 表面反射 67 3.5 总结 69 3.6 习题 70 3.7 参考文献 71 第4章 图像分析的数据结构 73 4.1 图像数据表示的层次 73 4.2 传统图像数据结构 74 4.2.1 矩阵 74 4.2.2 链 76 4.2.3 拓扑数据结构 76 4.2.4 关系结构 77 4.3 分层数据结构 78 4.3.1 金字塔 78 4.3.2 四叉树 79 4.3.3 其他金字塔结构 80 4.4 总结 81 4.5 习题 82 4.6 参考文献 83 第5章 图像预处理 85 5.1 像素亮度变换 85 5.1.1 位置相关的亮度校正 85 5.1.2 灰度级变换 86 5.2 几何变换 88 5.2.1 像素坐标变换 88 5.2.2 亮度插值 89 5.3 局部预处理 91 5.3.1 图像平滑 91 5.3.2 边缘检测算子 97 5.3.3 二阶导数过零点 100 5.3.4 图像处理中的尺度 104 5.3.5 Canny边缘提取 105 5.3.6 参数化边缘模型 107 5.3.7 多光谱图像中的边缘 107 5.3.8 频域的局部预处理 108 5.3.9 用局部预处理算子作线检测 112 5.3.10 角点（兴趣点）检测 113 5.3.11 优选稳定极值区域检测 116 5.4 图像复原 117 5.4.1 容易复原的退化 118 5.4.2 逆滤波 118 5.4.3 维纳滤波 118 5.5 总结 120 5.6 习题 121 5.7 参考文献 126 第6章 分割Ⅰ 130 6.1 阈值化 130 6.1.1 阈值检测方法 132 6.1.2 很优阈值化 133 6.1.3 多光谱阈值化 135 6.2 基于边缘的分割 136 6.2.1 边缘图像阈值化 137 6.2.2 边缘松弛法 138 6.2.3 边界跟踪 139 6.2.4 作为图搜索的边缘跟踪 143 6.2.5 作为动态规划的边缘跟踪 149 6.2.6 Hough变换 152 6.2.7 使用边界位置信息的边界 ???检测 157 6.2.8 从边界构造区域 157 6.3 基于区域的分割 159 6.3.1 区域归并 160 6.3.2 区域分裂 161 6.3.3 分裂与归并 162 6.3.4 分水岭分割 165 6.3.5 区域增长后处理 167 6.4 匹配 167 6.4.1 模版匹配 168 6.4.2 模版匹配的控制策略 170 6.5 分割的评测问题 170 6.5.1 监督式评测 171 6.5.2 非监督式评测 173 6.6 总结 174 6.7 习题 176 6.8 参考文献 178 第7章 分割Ⅱ 185 7.1 均值移位分割 185 7.2 活动轮廓模型——蛇行 190 7.2.1 经典蛇行和气球 191 7.2.2 扩展 193 7.2.3 梯度矢量流蛇 194 7.3 几何变形模型——水平集和测地 ?? 活动轮廓 198 7.4 模糊连接性 203 7.5 面向基于3D图的图像分割 208 7.5.1 边界对的同时检测 208 7.5.2 次优的表面检测 211 7.6 图割分割 212 7.7 很优单和多表面分割 217 7.8 总结 227 7.9 习题 228 7.10 参考文献 229 第8章 形状表示与描述 237 8.1 区域标识 239 8.2 基于轮廓的形状表示与描述 241 8.2.1 链码 241 8.2.2 简单几何边界表示 242 8.2.3 边界的傅里叶变换 245 8.2.4 使用片段序列的边界描述 246 8.2.5 B样条表示 249 8.2.6 其他基于轮廓的形状描述 ???方法 250 8.2.7 形状不变量 251 8.3 基于区域的形状表示与描述 253 8.3.1 简单的标量区域描述 254 8.3.2 矩 257 8.3.3 凸包 259 8.3.4 基于区域骨架的图表示 262 8.3.5 区域分解 266 8.3.6 区域邻近图 267 8.4 形状类别 268 8.5 总结 268 8.6 习题 270 8.7 参考文献 272 第9章 物体识别 278 9.1 知识表示 278 9.2 统计模式识别 281 9.2.1 分类原理 282 9.2.2 最近邻 283 9.2.3 分类器设置 285 9.2.4 分类器学习 287 9.2.5 支持向量机 288 9.2.6 聚类分析 291 9.3 神经元网络 293 9.3.1 前馈网络 294 9.3.2 非监督学习 295 9.3.3 Hopfield神经元网络 296 9.4 句法模式识别 297 9.4.1 语法与语言 298 9.4.2 句法分析与句法分类器 300 9.4.3 句法分类器学习与语法推导 301 9.5 作为图匹配的识别 302 9.5.1 图和子图的同构 303 9.5.2 图的相似度 305 9.6 识别中的优化技术 306 9.6.1 遗传算法 307 9.6.2 模拟退火 308 9.7 模糊系统 309 9.7.1 模糊集和模糊隶属函数 310 9.7.2 模糊集运算 311 9.7.3 模糊推理 312 9.7.4 模糊系统设计与训练 314 9.8 模式识别中的Boosting方法 315 9.9 随机森林 317 9.9.1 随机森林训练 318 9.9.2 随机森林决策 321 9.9.3 随机森林扩展 322 9.10 总结 322 9.11 习题 325 9.12 参考文献 330 第10章 图像理解 335 10.1 图像理解控制策略 336 10.1.1 并行和串行处理控制 336 10.1.2 分层控制 337 10.1.3 自底向上的控制 337 10.1.4 基于模型的控制 337 10.1.5 混合的控制策略 338 10.1.6 非分层控制 341 10.2 SIFT：尺度不变特征转换 342 10.3 RANSAC：通过随机抽样一致来 ???拟合 344 10.4 点分布模型 347 10.5 活动表观模型 355 10.6 图像理解中的模式识别方法 362 10.6.1 基于分类的分割 362 10.6.2 上下文图像分类 364 10.6.3 梯度方向直方图-HOG 367 10.7 Boosted层叠分类器用于快速物体 ???检测 370 10.8 基于随机森林的图像理解 372 10.9 场景标注和约束传播 377 10.9.1 离散松弛法 378 10.9.2 概率松弛法 379 10.9.3 搜索解释树 381 10.10 语义图像分割和理解 382 10.10.1 语义区域增长 383 10.10.2 遗传图像解释 384 10.11 隐马尔可夫模型 390 10.11.1 应用 394 10.11.2 耦合的HMM 394 10.11.3 贝叶斯信念网络 395 10.12 马尔科夫随机场 397 ?10.12.1 图像和视觉的应用 398 10.13 高斯混合模型和期望优选化 399 10.14 总结 404 10.15 习题 407 10.16 参考文献 410 第11章 3D几何，对应，从亮度到3D 419 11.1 3D视觉任务 419 11.1.1 Marr理论 421 11.1.2 其他视觉范畴：主动和 有目的的视觉 422 11.2 射影几何学基础 423 11.2.1 射影空间中的点和超平面 424 11.2.2 单应性 426 11.2.3 根据对应点估计单应性 427 11.3 单透视摄像机 430 11.3.1 摄像机模型 430 11.3.2 齐次坐标系中的投影和 反投影 432 11.3.3 从已知场景标定一个 摄像机 432 11.4 从多视图重建场景 433 11.4.1 三角测量 433 11.4.2 射影重建 434 11.4.3 匹配约束 435 11.4.4 光束平差法 436 11.4.5 升级射影重建和自标定 437 11.5 双摄像机和立体感知 438 11.5.1 极线几何学——基本矩阵 438 11.5.2 摄像机的相对运动——本质 矩阵 440 11.5.3 分解基本矩阵到摄像机 矩阵 441 11.5.4 从对应点估计基本矩阵 441 11.5.5 双摄像机矫正结构 442 11.5.6 矫正计算 444 11.6 三摄像机和三视张量 445 11.6.1 立体对应点算法 446 11.6.2 距离图像的主动获取 451 11.7 由辐射测量到3D信息 453 11.7.1 由阴影到形状 453 11.7.2 光度测量立体视觉 455 11.8 总结 456 11.9 习题 457 11.10 参考文献 459 第12章 3D视觉的应用 464 12.1 由X到形状 464 12.1.1 由运动到形状 464 12.1.2 由纹理到形状 468 12.1.3 其他由X到形状的技术 469 12.2 接近的3D物体 471 12.2.1 3D物体、模型以及相关 问题 471 12.2.2 线条标注 472 12.2.3 体积表示和直接测量 474 12.2.4 体积建模策略 475 12.2.5 表面建模策略 476 12.2.6 为获取完整3D模型的面元 标注与融合 478 12.3 3D场景的2D视图表达 482 12.3.1 观察空间 482 12.3.2 多视图表达和示象图 482 12.4 从无组织的2D视图集合进行 3D重建，从运动到结构 483 12.5 重建场景几何 485 12.6 总结 487 12.7 习题 487 12.8 参考文献 488 第13章 数学形态学 493 13.1 形态学基本概念 493 13.2 形态学四原则 494 13.3 二值膨胀和腐蚀 495 13.3.1 膨胀 495 13.3.2 腐蚀 497 13.3.3 击中击不中变换 498 13.3.4 开运算和闭运算 499 13.4 灰度级膨胀和腐蚀 499 13.4.1 顶面、本影、灰度级膨胀和 腐蚀 500 13.4.2 本影同胚定理和膨胀、腐蚀 及开、闭运算的性质 502 13.4.3 顶帽变换 502 13.5 骨架和物体标记 503 13.5.1 同伦变换 503 13.5.2 骨架、中轴和优选球 503 13.5.3 细化、粗化和同伦骨架 505 13.5.4 熄灭函数和最终腐蚀 506 13.5.5 最终腐蚀和距离函数 508 13.5.6 测地变换 509 13.5.7 形态学重构 510 13.6 粒度测定法 511 13.7 形态学分割与分水岭 513 13.7.1 粒子分割、标记和分水岭 513 13.7.2 二值形态学分割 513 13.7.3 灰度级分割和分水岭 515 13.8 总结 516 13.9 习题 517 13.10 参考文献 518 第14章 图像数据压缩 520 14.1 图像数据性质 521 14.2 图像数据压缩中的离散图像变换 521 14.3 预测压缩方法 523 14.4 矢量量化 525 14.5 分层的和渐进的压缩方法 525 14.6 压缩方法比较 526 14.7 其他技术 527 14.8 编码 527 14.9 JPEG和MPEG图像压缩 528 14.9.1 JPEG——静态图像压缩 528 14.9.2 JPEG-2000压缩 529 14.9.3 MPEG——全运动的视频 压缩 531 14.10 总结 532 14.11 习题 533 14.12 参考文献 535 第15章 纹理 537 15.1 统计纹理描述 539 15.1.1 基于空间频率的方法 539 15.1.2 共生矩阵 540 15.1.3 边缘频率 541 15.1.4 基元长度（行程） 542 15.1.5 Laws纹理能量度量 543 15.1.6 局部二值模式（LBPs） 544 15.1.7 分形纹理描述 547 15.1.8 多尺度纹理描述——小波 域方法 549 15.1.9 其他纹理描述的统计方法 551 15.2 句法纹理描述方法 552 15.2.1 形状链语法 553 15.2.2 图语法 554 15.2.3 分层纹理中的基元分组 555 15.3 混合的纹理描述方法 556 15.4 纹理识别方法的应用 557 15.5 总结 557 15.6 习题 559 15.7 参考文献 561 第16章 运动分析 566 16.1 差分运动分析方法 568 16.2 光流 571 16.2.1 光流计算 571 16.2.2 全局和局部光流估计 573 16.2.3 局部和全局相结合的光流 估计 575 16.2.4 运动分析中的光流 575 16.3 基于兴趣点对应关系的分析 578 16.3.1 兴趣点的检测 578 16.3.2 Lucas-Kanade点跟踪 578 16.3.3 兴趣点的对应关系 580 16.4 特定运动模式的检测 582 16.5 视频跟踪 585 16.5.1 背景建模 585 16.5.2 基于核函数的跟踪 588 16.5.3 目标路径分析 592 16.6 辅助跟踪的运动模型 596 16.6.1 卡尔曼滤波器 596 16.6.2 粒子滤波器 600 16.6.3 半监督跟踪——TLD 603 16.7 总结 605 16.8 习题 607 16.9 参考文献 608 词汇 613