机器视觉教程

封面\n书名\n版权\n前言\n目录\n译者序\n致教师\n第1章  引言\n1.1  本书宗旨\n1.2  读者需具备的预备知识\n目录\n1.3  一些术语\n1.3.1  图像处理\n1.4  机器视觉系统的组成\n1.3.2  机器视觉\n1.5  图像的性质\n1.6  图像的操作分析\n参考文献\n第2章  数学原理回顾\n2.1  概率论简单回顾\n2.2  线性代数简单回顾\n2.2.1  线性变换\n2.2.2  求导运算\n2.3  函数最小化简介\n2.2.3  特征值与特征向量\n2.3.1  牛顿-拉弗森方法\n2.3.2  局部最小与全局最小\n2.3.3  模拟退火\n2.4  马尔科夫模型\n2.4.1  隐马尔科夫模型\n2.4.2  维特比算法\n2.4.3  马尔科夫输出\n2.4.4  估计模型参数\n2.4.5  隐马尔科夫模型的应用\n参考文献\n第3章  编写图像处理程序\n3.1  图像文件系统软件\n3.1.1  IFS头部结构\n3.1.2  某些有用的IFS函数\n3.1.3  带共性的问题\n3.2  图像处理程序的基本结构\n3.3  好的编程风格\n3.4  示例程序\n3.5  生成文件\n4.1.1  图像表示\n第4章  图像的生成与表示方式\n4.1  图像的表示方法\n4.1.2  函数表示\n4.1.3  线性表达式\n4.1.4  概率表示\n4.1.5  空域频率表示\n4.1.6  关系表示方法（图表示法）\n4.2  数字图像\n4.2.1  数字图像的生成\n4.2.2  距离图像的生成\n4.3  图像生成机制\n4.4  将图像看作表面\n4.4.1  等亮度线\n4.4.2  脊\n4.4.3  二值图像与中轴\n4.5  邻域关系\n4.6  结论\n4.7  术语\n4A.1  采样的变种：六角形像素\n专题4A  图像表示方法\n4A.2  其他形式的图像表示\n参考文献\n第5章  线性算子与核算子\n5.1  什么是线性算子\n5.2  核算子在数字图像中的应用\n5.2.1  自变量的方向：卷积和相关\n5.2.2  用核算子估计导数\n5.3  通过函数拟合估计导数\n5.4  图像的矢量表示\n5.5  图像的基向量\n5.6  边缘检测\n5.7  用核算子表示可微函数的采样\n5.8  计算卷积\n5.9  尺度空间\n5.9.1  四叉树\n5.9.2  高斯尺度结构\n5.10  量化边缘检测算子的精确性\n5.11  人们的做法\n5.13  术语\n5.12  结论\n专题5A  边缘检测器\n5A.1  Canny边缘检测器\n5A.2  改进边缘检测\n5A.3  从边缘点推理线段\n5A.4  空域频率表示\n5A.5  术语\n参考文献\n6.2  复原\n6.1  松弛\n第6章  图像松弛：复原与特征抽取\n6.3  最大后验方法\n6.3.1  贝叶斯准则\n6.3.2  题外话：逆问题中的问题\n6.3.3  用于边缘保留型平滑的目标函数\n6.4  均值场退火\n6.4.1  选择先验项\n6.4.2  退火：避免局部最小值\n6.4.3  如何对一个含有核算子的函数求导\n6.4.4  实际考虑：边缘保留型的平滑\n6.5  结论\n6.6  术语\n专题6A  替代算法与等价算法\n6A.1  GNC：一种可去除噪声的替代算法\n6A.2  传导率可变的扩散\n6A.3  面向边缘的各向异性扩散\n6A.4  对图像松弛算子的一个通用描述\n6A.5  与神经元网络之间的关系\n6A.6  结论\n参考文献\n第7章  数学形态学\n7.1  二值形态学\n7.1.1  膨胀\n7.1.2  腐蚀\n7.1.3  膨胀与腐蚀的性质\n7.1.4  开运算与闭运算\n7.1.5  开运算与闭运算的性质\n7.2  灰度形态学\n7.3.1  采用掩膜计算距离变换\n7.3  距离变换\n7.3.2  Voronoi图\n7.4  结论\n7.5  术语\n专题7A  形态学\n7A.1  有效地计算腐蚀、膨胀\n7A.2  形态学采样定理\n7A.3  选择结构元素\n7A.4  边缘及曲面上的缝隙弥合\n参考文献\n7A.5  术语\n第8章  分割\n8.1  划分图像\n8.2  阈值化分割\n8.3  连通分量分析\n8.3.1  递归式区域增长算法\n8.3.2  迭代式连通分量分析方法\n8.3.3  标号图像的一种替代方法\n8.4  曲线分割\n8.5.1  能量最小化原则\n8.5  主动轮廓线\n8.5.2  偏微分方程方法\n8.6  曲面分割\n8.6.1  曲面描述\n8.6.2  椭圆及椭球拟合\n8.7  评估分割质量\n8.8  结论\n8.9  术语\n专题8A  分割\n8A.1  纹理分割\n8A.2  使用边缘的图像分割\n8A.3  运动分割\n8A.4  颜色分割\n8A.5  使用MAP方法的分割\n8A.6  人如何完成分割\n参考文献\n第9章  形状\n9.1  线性变换\n9.2  基于协方差矩阵的变换方法\n9.2.1  K-L展开的推导\n9.2.2  K-L展开的性质\n9.3  简单特征\n9.4  矩\n9.5  链码\n9.6  傅里叶描述子\n9.7  中轴\n9.8  变形模板\n9.9  二次曲面\n9.11  超二次曲面\n9.10  表面的谐波函数表示\n9.12  广义柱体\n9.13  结论\n9.14  术语\n专题9A  形状的描述\n9A.1  求非凸区域的直径\n9A.2  从图像推测三维形状\n9A.3  运动分析与跟踪\n9A.4  术语\n参考文献\n10.1  一致性\n第10章  一致性标号\n10.2  松弛法标号\n10.2.1  利用一致性来修正标号\n10.2.2  标号问题示例\n10.3  结论\n10.4  术语\n专题10A  二维线条图的三维解释\n参考文献\n11.1  Hough变换\n第11章  参数变换\n11.1.1  垂直线带来的问题\n11.1.2  如何找到交点——累加器数组\n11.2  减少计算复杂度\n11.3  检测圆\n11.3.1  用非共线三个像素表示一个圆的定位\n11.3.2  用参数变换检测圆\n11.3.3  检测圆中利用梯度信息降低计算量\n11.4  广义Hough变换\n11.5  结论\n11A.1  检测抛物线\n11.6  术语\n专题11A  参数变换\n11A.2  检测峰值\n11A.3  高斯图\n11A.4  立体视觉中的参数一致性\n11A.5  结论\n11A.6  术语\n参考文献\n12.2  图的性质\n12.1  图\n第12章  图和图论概念\n12.3  图结构的实现\n12.4  区域邻接图\n12.5  图匹配的应用：子图同构问题\n12.6  外观图\n12.7  结论\n12.8  术语\n参考文献\n13.1.1  模板匹配\n13.1  图像表达的匹配\n第13章  图像匹配\n13.1.2  点匹配\n13.1.3  线段匹配\n13.1.4  特征图像\n13.2  匹配简单特征\n13.3  图匹配\n13.3.1  关联图\n13.3.2  弹性模板\n13.5  术语\n13.4  结论\n专题13A  匹配\n13A.1  弹簧加模板回顾\n13A.2  人工神经元网络用于物体识别\n13A.3  图像索引\n13A.4  匹配几何不变量\n13A.5  结论\n13A.6  术语\n参考文献\n14.1  分类器设计\n14.1.1  决策规则的选择\n第14章  统计模式识别\n14.1.2  最大似然分类器\n14.1.3  分类器学习算法\n14.2  贝叶斯规则和最大似然分类器\n14.2.1  贝叶斯规则\n14.2.2  参数模式分类器\n14.2.3  概率密度估计\n14.2.5  方差估计\n14.2.4  均值估计\n14.2.6  似然比\n14.3  决策区间和错误概率\n14.4  条件风险\n14.5  二次函数分类器\n14.6  最小最大规则\n14.7  最近邻方法\n14.8  结论\n14.9  术语\n14A.1  用统计方法匹配特征向量\n专题14A  统计模式识别\n14A.2  支持向量机\n14A.3  结论\n14A.4  术语\n参考文献\n第15章  聚类\n15.1  聚类之间的距离\n15.2  聚类算法\n15.2.1  合并聚类\n15.2.2  k均值聚类\n15.3  最优化聚类方法\n15.3.1  分支定界法\n15.3.2  向量量化\n15.3.3  赢者全得算法\n15.4  结论\n15.5  术语\n参考文献\n第16章  句法模式识别\n16.1  术语\n16.2.1  0型文法\n16.2.2  1型文法\n16.2  文法类型\n16.2.3  2型文法\n16.2.4  3型文法\n16.3  用文法结构进行形状识别\n16.3.1  3型文法\n16.3.2  2型方法\n16.4  结论\n16.5  术语\n参考文献\n17.2  光学字符识别\n17.3  自动诊断和辅助诊断\n第17章  应用\n17.1  多谱图像分析\n17.4  检测和质量控制\n17.5  安全检测和入侵者识别\n17.6  机器人视觉\n17.6.1  机器人外科手术\n17.6.2  机器人驾驶\n参考文献\n18.1  层次体系\n第18章  自动目标识别\n18.2  系统组成\n18.3  算法的性能评价\n18.3.1  性能表示\n18.3.2  从训练数据生成ROC曲线\n18.3.3  性能和系统评价\n18.4  特有的机器视觉问题\n18.4.1  目标信号可变性和误警率\n18.4.2  跟踪\n18.5  自动目标识别算法\n18.4.4  特征选择\n18.4.3  分割\n18.5.1  基于模型的技术\n18.5.2  基于统计的技术\n18.5.3  模板匹配\n18.6  Hough变换\n18.7  形态学技术\n18.8  链码\n18.9  结论\n参考文献\n索引