Mark S. Nixon 英国南安普敦大学计算机视觉中心教授，IET会士，IAPR会士。研究兴趣包括图像处理与计算机视觉。他的团队开发了在生物信息学和医疗图像分析领域应用广泛的静止与运动形状提取新技术。该团队也是人脸识别的早期研究者，后来成为步态识别的开拓者，近期拓展到耳生物信息和面向行人识别的软生物信息/属性研究。Alberto S. Aguado 英国Foundry公司的主要算法研究员和开发者，专注于面向视频制作的图像处理、计算机视觉和显示技术。此前曾任Natural Motion公司动画技术研究主管，在Sportradar公司负责开发面向运动跟踪的图像处理技术。Aguado在英国南安普敦大学获计算机视觉/图像处理的博士学位，并曾在英国萨里大学视觉、语音和信号处理中心任职讲师。Mark S. Nixon英国南安普敦大学计算机视觉中心教授，IET会士，IAPR会士。研究兴趣包括图像处理与计算机视觉。他的团队开发了在生物信息学和医疗图像分析领域应用广泛的静止与运动形状提取新技术。该团队也是人脸识别的早期研究者，后来成为步态识别的开拓者，近期拓展到耳生物信息和面向行人识别的软生物信息/属性研究。Alberto S. Aguado英国Foundry公司的主要算法研究员和开发者，专注于面向视频制作的图像处理、计算机视觉和显示技术。此前曾任Natural Motion公司动画技术研究主管，在Sportradar公司负责开发面向运动跟踪的图像处理技术。Aguado在英国南安普敦大学获计算机视觉/图像处理的博士学位，并曾在英国萨里大学视觉、语音和信号处理中心任职讲师。
目錄：
Chapter 1 Introduction 绪论 1.1 Overview 概述 1.2 Human and computer vision 人类视觉和计算机视觉 1.3 The human vision system 人类视觉系统 1.3.1 The eye 眼睛 1.3.2 The neural system 神经系统 1.3.3 Processing 处理系统 1.4 Computer vision systems 计算机视觉系统 1.4.1 Cameras 照相机 1.4.2 Computer interfaces 计算机接口 1.5 Processing images 图像处理 1.5.1 Processing 处理 1.5.2 Hello Python， hello images Python图像初探 1.5.3 Mathematical tools 数学工具 1.5.4 Hello Matlab MATLAB图像初探 1.6 Conclusions 小结 References 参考文献 Chapter 2 Images， sampling and frequency domain processing 图像、采样和频域处理 2.1 Overview 概述 2.2 Image formation 图像形成 2.3 The Fourier Transform 傅里叶变换 2.4 The sampling criterion 采样准则 2.5 The discrete Fourier Transform 离散傅里叶变换 2.5.1 One-dimensional transform 一维变换 2.5.2 Two-dimensional transform 二维变换 2.6 Properties of the Fourier Transform 傅里叶变换的特性 2.6.1 Shift invariance 位移不变性 2.6.2 Rotation 旋转 2.6.3 Frequency scaling 频率尺度变化 2.6.4 Superposition (linearity) 叠加（线性） 2.6.5 The importance of phase 相位的重要性 2.7 Transforms other than Fourier 除傅里叶变换以外的其他变换 2.7.1 Discrete cosine transform 离散余弦变换 2.7.2 Discrete Hartley Transform 离散Hartley变换 2.7.3 Introductory wavelets 小波简介 2.7.4 Other transforms 其他变换 2.8 Applications using frequency domain properties 频域特性的应用 2.9 Further reading 扩展阅读 References 参考文献 Chapter 3 Image processing 图像处理运算 3.1 Overview 概述 3.2 Histograms 直方图 3.3 Point operators 点运算 3.3.1 Basic point operations 基本点运算 3.3.2 Histogram normalisation 直方图归一化 3.3.3 Histogram equalisation 直方图均衡化 3.3.4 Thresholding 阈值处理 3.4 Group operations 组运算 3.4.1 Template convolution 模板卷积 3.4.2 Averaging operator 平均算子 3.4.3 On different template size 不同的模板大小 3.4.4 Template convolution via the Fourier transform 利用傅里叶变换的模板卷积 3.4.5 Gaussian averaging operator 高斯平均算子 3.4.6 More on averaging 更多平均处理 3.5 Other image processing operators 其他图像处理操作 3.5.1 Median filter 中值滤波 3.5.2 Mode filter 众数滤波 3.5.3 Nonlocal means 非局部均值 3.5.4 Bilateral filtering 双边滤波 3.5.5 Anisotropic diffusion 各向异性扩散 3.5.6 Comparison of smoothing operators 各种平滑算子的比较 3.5.7 Force field transform 力场变换 3.5.8 Image ray transform 图像射线变换 3.6 Mathematical morphology 数学形态学 3.6.1 Morphological operators 形态学算子 3.6.2 Grey level morphology 灰度形态学 3.6.3 Grey level erosion and dilation 灰度图像的腐蚀和膨胀 3.6.4 Minkowski operators Minkowski算子 3.7 Further reading 扩展阅读 References 参考文献 Chapter 4 Low-level feature extraction (including edge detection) 低级特征提取（包括边缘检测） 4.1 Overview 概述 4.2 Edge detection 边缘检测 4.2.1 First-order edge detection operators 一阶边缘检测算子 4.2.2 Second-order edge detection operators 二阶边缘检测算子 4.2.3 Other edge detection operators 其他边缘检测算子 4.2.4 Comparison of edge detection operators 边缘检测算子的比较 4.2.5 Further reading on edge detection 关于边缘检测的扩展阅读 4.3 Phase congruency 相位一致性 4.4 Localised feature extraction 定位特征提取 4.4.1 Detecting image curvature (corner extraction) 检测图像曲率（角点提取） 4.4.2 Feature point detection; region/patch analysis 特征点检测：区域/样本块分析 4.4.3 Saliency 显著度 4.5 Describing image motion 描述图像运动 4.5.1 Area-based approach 基于区域的方法 4.5.2 Differential approach 差分方法 4.5.3 Recent developments: deep flow， epic flow and extensions 新近发展：深度流，epic流和扩展 4.5.4 Analysis of optical flow 光流的分析 4.6 Further reading 扩展阅读 References 参考文献 Chapter 5 High-level feature extraction: fixed shape matching 高级特征提取：固定形状匹配 5.1 Overview 概述 5.2 Thresholding and subtraction 阈值处理和背景减 5.3 Template matching 模板匹配 5.3.1 Definition 定义 5.3.2 Fourier transform implementation 傅里叶变换实现 5.3.3 Discussion of template matching 模板匹配的讨论 5.4 Feature extraction by low-level features 低级特征提取 5.4.1 Appearance-based approaches 基于外观的方法 5.4.2 Distribution-based descriptors 基于分布的描述符 5.5 Hough transform 霍夫变换 5.5.1 Overview 概述 5.5.2 Lines 直线 5.5.3 HT for circles 基于霍夫变换的圆检测 5.5.4 HT for ellipses 基于霍夫变换的椭圆检测 5.5.5 Parameter space decomposition 参数空间分解 5.5.6 Generalised Hough transform 广义霍夫变换 5.5.7 Other extensions to the HT 霍夫变换的其他扩展 5.6 Further reading 扩展阅读 References 参考文献 Chapter 6 High-level feature extraction: deformable shape analysis 高级特征提取：可变形形状分析 6.1 Overview 概述 6.2 Deformable shape analysis 可变形形状分析 6.2.1 Deformable templates 可变形模板 6.2.2 Parts-based shape analysis 基于部件的形状分析 6.3 Active contours (snakes) 主动轮廓（蛇模型） 6.3.1 Basics 基础知识 6.3.2 The Greedy Algorithm for snakes 蛇模型的贪心算法 6.3.3 Complete (Kass) Snake implementation 完全（Kass）蛇模型实现 6.3.4 Other Snake approaches 其他蛇模型方法 6.3.5 Further Snake developments 蛇模型的进一步发展 6.3.6 Geometric active contours (Level Set-Based Approaches) 几何主动轮廓（水平集方法） 6.4 Shape Skeletonisation 形状骨架化 6.4.1 Distance transforms 距离变换 6.4.2 Symmetry 对称性 6.5 Flexible shape models Cactive shape and active appearance 灵活的形状模型——主动形状和主动外观 6.6 Further reading 扩展阅读 References 参考文献 Chapter 7 Object description 目标描述 7.1 Overview and invariance requirements 概述和不变性要求 7.2 Boundary descriptions 边界描述 7.2.1 Boundary and region 边界和区域 7.2.2 Chain codes 链码 7.2.3 Fourier descriptors 傅里叶描述符 7.3 Region descriptors 区域描述符 7.3.1 Basic region descriptors 基本区域描述符 7.3.2 Moments 矩 7.4 Further reading 扩展阅读 References 参考文献 Chapter 8 Region-based analysis 基于区域的分析 8.1 Overview 概述 8.2 Region-based analysis 基于区域的分析 8.2.1 Watershed transform 分水岭变换 8.2.2 Maximally stable extremal regions 最大稳定极值区域 8.2.3 Superpixels 超像素 8.3 Texture description and analysis 纹理描述与分析 8.3.1 What is texture 什么是纹理 8.3.2 Performance requirements 性能要求 8.3.3 Structural approaches 结构法 8.3.4 Statistical approaches 统计法 8.3.5 Combination approaches 组合法 8.3.6 Local binary patterns 局部二值模式 8.3.7 Other approaches 其他方法 8.3.8 Segmentation by texture 基于纹理的分割 8.4 Further reading 扩展阅读 References 参考文献 Chapter 9 Moving object detection and description 运动对象检测与描述 9.1 Overview 概述 9.2 Moving object detection 运动对象检测 9.2.1 Basic approaches 基本方法 9.2.2 Modelling and adapting to the (static) background 建模并适应（静止）背景 9.2.3 Background segmentation by thresholding 通过阈值化进行背景分割 9.2.4 Problems and advances 问题与进展 9.3 Tracking moving features 跟踪运动特征 9.3.1 Tracking moving objects 跟踪运动目标 9.3.2 Tracking by local search 通过局部搜索进行跟踪 9.3.3 Problems in tracking 跟踪中的问题 9.3.4 Approaches to tracking 跟踪方法 9.3.5 Meanshift and Camshift Meanshift与Camshift 9.3.6 Other approaches 其他方法 9.4 Moving feature extr
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
