计算机视觉――一种现代方法（第二版）（英文版）

图书标准信息

• 作者 David、A.、Forsyth 译
• 出版社 电子工业出版社
• 出版时间 2017-06
• 版次 2
• ISBN 9787121318269
• 定价 128.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 732页
• 字数 1370千字
• 正文语种 英语
• 丛书 国外计算机科学教材系列

【内容简介】

   计算机视觉是研究如何使人工系统从图像或多维数据中"感知”的科学。本书是计算机视觉领域的经典教材，内容涉及几何摄像模型、光照及阴影、颜色、线性滤波、局部图像特征、纹理、立体视觉运动结构、聚类分割、组合与模型拟合、跟踪、配准、平滑表面与轮廓、深度数据、图像分类、对象检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等内容。与前一版相比，本书简化了部分主题，增加了应用示例，重写了关于现代特性的内容，详述了现代图像编辑技术与对象识别技术。

【作者简介】

　　David Forsyth：1984年于威特沃特斯兰德大学取得了电气工程学士学位，1986年取得电气工程硕士学位，1989年于牛津贝列尔学院取得博士学位。之后在艾奥瓦大学任教3年，在加州大学伯克利分校任教10年，再后在伊利诺伊大学任教。2000年和2001年任IEEE计算机视觉与模式识别会议(CVPR)执行副主席，2006年任CVPR常任副主席，2008年任欧洲计算机视觉会议执行副主席，是所有关于计算机视觉主要国际会议的常任执委会成员。他为SIGGRAPH执委会工作了5期。2006年获IEEE技术成就奖，2009年成为IEEE会士。

 

　　Jean Ponce：于1988年在巴黎奥赛大学获得计算机科学博士学位。1990年至2005年，作为研究科学家分别供职于法国国家信息研究所、麻省理工学院人工智能实验室和斯坦福大学机器人实验室；1990年至2005年，供职于伊利诺伊大学计算机科学系。2005年开始，成为法国巴黎高等师范学校教授。

 

【目录】

i image formation 1 

1 geometric camera models 3 

1．1 image formation 4 

1．1．1 pinhole perspective 4 

1．1．2 weak perspective 6 

1．1．3 cameras with lenses 8 

1．1．4 the human eye 12 

1．2 intrinsic and extrinsic parameters 14 

1．2．1 rigid transformations and homogeneous coordinates 14 

1．2．2 intrinsic parameters 16 

1．2．3 extrinsic parameters 18 

1．2．4 perspective projection matrices 19 

1．2．5 weak-perspective projection matrices 20 

1．3 geometric camera calibration 22 

1．3．1 alinear approach to camera calibration 23 

1．3．2 anonlinear approach to camera calibration 27 

1．4 notes 29 

2 light and shading 32 

2．1 modelling pixel brightness 32 

2．1．1 reflection at surfaces 33 

2．1．2 sources and their effects 34 

2．1．3 the lambertian+specular model 36 

2．1．4 area sources 36 

2．2 inference from shading 37 

2．2．1 radiometric calibration and high dynamic range images 38 

2．2．2 the shape of specularities 40 

2．2．3 inferring lightness and illumination 43 

2．2．4 photometric stereo： shape from multiple shaded images 46 

2．3 modelling interreflection 52 

2．3．1 the illumination at a patch due to an area source 52 

2．3．2 radiosity and exitance 54 

2．3．3 an interreflection model 55 

2．3．4 qualitative properties of interreflections 56 

2．4 shape from one shaded image 59 

2．5 notes 61 

3 color 68 

3．1 human color perception 68 

3．1．1 color matching 68 

3．1．2 color receptors 71 

3．2 the physics of color 73 

3．2．1 the color of light sources 73 

3．2．2 the color of surfaces 76 

3．3 representing color 77 

3．3．1 linear color spaces 77 

3．3．2 non-linear color spaces 83 

3．4 amodel of image color 86 

3．4．1 the diffuse term 88 

3．4．2 the specular term 90 

3．5 inference from color 90 

3．5．1 finding specularities using color 90 

3．5．2 shadow removal using color 92 

3．5．3 color constancy： surface color from image color 95 

3．6 notes 99 

ii early vision： just one image 105 

4 linear filters 107 

4．1 linear filters and convolution 107 

4．1．1 convolution 107 

4．2 shift invariant linear systems 112 

4．2．1 discrete convolution 113 

4．2．2 continuous convolution 115 

4．2．3 edge effects in discrete convolutions 118 

4．3 spatial frequency and fourier transforms 118 

4．3．1 fourier transforms 119 

4．4 sampling and aliasing 121 

4．4．1 sampling 122 

4．4．2 aliasing 125 

4．4．3 smoothing and resampling 126 

4．5 filters as templates 131 

4．5．1 convolution as a dot product 131 

4．5．2 changing basis 132 

4．6 technique： normalized correlation and finding patterns 132 

4．6．1 controlling the television by finding hands by normalized 

correlation 133 

4．7 technique： scale and image pyramids 134 

4．7．1 the gaussian pyramid 135 

4．7．2 applications of scaled representations 136 

4．8 notes 137 

5 local image features 141 

5．1 computing the image gradient 141 

5．1．1 derivative of gaussian filters 142 

5．2 representing the image gradient 144 

5．2．1 gradient-based edge detectors 145 

5．2．2 orientations 147 

5．3 finding corners and building neighborhoods 148 

5．3．1 finding corners 149 

5．3．2 using scale and orientation to build a neighborhood 151 

5．4 describing neighborhoods with sift and hog features 155 

5．4．1 sift features 157 

5．4．2 hog features 159 

5．5 computing local features in practice 160 

5．6 notes 160 

6 texture 164 

6．1 local texture representations using filters 166 

6．1．1 spots and bars 167 

6．1．2 from filter outputs to texture representation 168 

6．1．3 local texture representations in practice 170 

6．2 pooled texture representations by discovering textons 171 

6．2．1 vector quantization and textons 172 

6．2．2 k-means clustering for vector quantization 172 

6．3 synthesizing textures and filling holes in images 176 

6．3．1 synthesis by sampling local models 176 

6．3．2 filling in holes in images 179 

6．4 image denoising 182 

6．4．1 non-local means 183 

6．4．2 block matching 3d (bm3d) 183 

6．4．3 learned sparse coding 184 

6．4．4 results 186 

6．5 shape from texture 187 

6．5．1 shape from texture for planes 187 

6．5．2 shape from texture for curved surfaces 190 

6．6 notes 191 

iii early vision： multiple images 195 

7 stereopsis 197 

7．1 binocular camera geometry and the epipolar constraint 198 

7．1．1 epipolar geometry 198 

7．1．2 the essential matrix 200 

7．1．3 the fundamental matrix 201 

7．2 binocular reconstruction 201 

7．2．1 image rectification 202 

7．3 human stereopsis 203 

7．4 local methods for binocular fusion 205 

7．4．1 correlation 205 

7．4．2 multi-scale edge matching 207 

7．5 global methods for binocular fusion 210 

7．5．1 ordering constraints and dynamic programming 210 

7．5．2 smoothness and graphs 211 

7．6 using more cameras 214 

7．7 application： robot navigation 215 

7．8 notes 216 

8 structure from motion 221 

8．1 internally calibrated perspective cameras 221 

8．1．1 natural ambiguity of the problem 223 

8．1．2 euclidean structure and motion from two images 224 

8．1．3 euclidean structure and motion from multiple images 228 

8．2 uncalibrated weak-perspective cameras 230 

8．2．1 natural ambiguity of the problem 231 

8．2．2 affine structure and motion from two images 233 

8．2．3 affine structure and motion from multiple images 237 

8．2．4 from affine to euclidean shape 238 

8．3 uncalibrated perspective cameras 240 

8．3．1 natural ambiguity of the problem 241 

8．3．2 projective structure and motion from two images 242 

8．3．3 projective structure and motion from multiple images 244 

8．3．4 from projective to euclidean shape 246 

8．4 notes 248 

iv mid-level vision 253 

9 segmentation by clustering 255 

9．1 human vision： grouping and gestalt 256 

9．2 important applications 261 

9．2．1 background subtraction 261 

9．2．2 shot boundary detection 264 

9．2．3 interactive segmentation 265 

9．2．4 forming image regions 266 

9．3 image segmentation by clustering pixels 268 

9．3．1 basic clustering methods 269 

9．3．2 the watershed algorithm 271 

9．3．3 segmentation using k-means 272 

9．3．4 mean shift： finding local modes in data 273 

9．3．5 clustering and segmentation with mean shift 275 

9．4 segmentation， clustering， and graphs 277 

9．4．1 terminology and facts for graphs 277 

9．4．2 agglomerative clustering with a graph 279 

9．4．3 divisive clustering with a graph 281 

9．4．4 normalized cuts 284 

9．5 image segmentation in practice 285 

9．5．1 evaluating segmenters 286 

9．6 notes 287 

10 grouping and model fitting 290 

10．1 the hough transform 290 

10．1．1 fitting lines with the hough transform 290 

10．1．2 using the hough transform 292 

10．2 fitting lines and planes 293 

10．2．1 fitting a single line 294 

10．2．2 fitting planes 295 

10．2．3 fitting multiple lines 296 

10．3 fitting curved structures 297 

10．4 robustness 299 

10．4．1 m-estimators 300 

10．4．2 ransac： searching for good points 302 

10．5 fitting using probabilistic models 306 

10．5．1 missing data problems 307 

10．5．2 mixture models and hidden variables 309 

10．5．3 the em algorithm for mixture models 310 

10．5．4 difficulties with the em algorithm 312 

10．6 motion segmentation by parameter estimation 313 

10．6．1 optical flow and motion 315 

10．6．2 flow models 316 

10．6．3 motion segmentation with layers 317 

10．7 model selection： which model is the best fit? 319 

10．7．1 model selection using cross-validation 322 

10．8 notes 322 

11 tracking 326 

11．1 simple tracking strategies 327 

11．1．1 tracking by detection 327 

11．1．2 tracking translations by matching 330 

11．1．3 using affine transformations to confirm a match 332 

11．2 tracking using matching 334 

11．2．1 matching summary representations 335 

11．2．2 tracking using flow 337 

11．3 tracking linear dynamical models with kalman filters 339 

11．3．1 linear measurements and linear dynamics 340 

11．3．2 the kalman filter 344 

11．3．3 forward-backward smoothing 345 

11．4 data association 349 

11．4．1 linking kalman filters with detection methods 349 

11．4．2 key methods of data association 350 

11．5 particle filtering 350 

11．5．1 sampled representations of probability distributions 351 

11．5．2 the simplest particle filter 355 

11．5．3 the tracking algorithm 356 

11．5．4 a workable particle filter 358 

11．5．5 practical issues in particle filters 360 

11．6 notes 362 

v high-level vision 365 

12 registration 367 

12．1 registering rigid objects 368 

12．1．1 iterated closest points 368 

12．1．2 searching for transformations via correspondences 369 

12．1．3 application： building image mosaics 370 

12．2 model-based vision： registering rigid objects with projection 375 

12．2．1 verification： comparing transformed and rendered source 

to target 377 

12．3 registering deformable objects 378 

12．3．1 deforming texture with active appearance models 378 

12．3．2 active appearance models in practice 381 

12．3．3 application： registration in medical imaging systems 383 

12．4 notes 388 

13 smooth surfaces and their outlines 391 

13．1 elements of differential geometry 393 

13．1．1 curves 393 

13．1．2 surfaces 397 

13．2 contour geometry 402 

13．2．1 the occluding contour and the image contour 402 

13．2．2 the cusps and inflections of the image contour 403 

13．2．3 koenderink’s theorem 404 

13．3 visual events： more differential geometry 407 

13．3．1 the geometry of the gauss map 407 

13．3．2 asymptotic curves 409 

13．3．3 the asymptotic spherical map 410 

13．3．4 local visual events 412 

13．3．5 the bitangent ray manifold 413 

13．3．6 multilocal visual events 414 

13．3．7 the aspect graph 416 

13．4 notes 417 

14 range data 422 

14．1 active range sensors 422 

14．2 range data segmentation 424 

14．2．1 elements of analytical differential geometry 424 

14．2．2 finding step and roof edges in range images 426 

14．2．3 segmenting range images into planar regions 431 

14．3 range image registration and model acquisition 432 

14．3．1 quaternions 433 

14．3．2 registering range images 434 

14．3．3 fusing multiple range images 436 

14．4 object recognition 438 

14．4．1 matching using interpretation trees 438 

14．4．2 matching free-form surfaces using spin images 441 

14．5 kinect 446 

14．5．1 features 447 

14．5．2 technique： decision trees and random forests 448 

14．5．3 labeling pixels 450 

14．5．4 computing joint positions 453 

14．6 notes 453 

15 learning to classify 457 

15．1 classification， error， and loss 457 

15．1．1 using loss to determine decisions 457 

15．1．2 training error， test error， and overfitting 459 

15．1．3 regularization 460 

15．1．4 error rate and cross-validation 463 

15．1．5 receiver operating curves 465 

15．2 major classification strategies 467 

15．2．1 example： mahalanobis distance 467 

15．2．2 example： class-conditional histograms and naive bayes 468 

15．2．3 example： classification using nearest neighbors 469 

15．2．4 example： the linear support vector machine 470 

15．2．5 example： kernel machines 473 

15．2．6 example： boosting and adaboost 475 

15．3 practical methods for building classifiers 475 

15．3．1 manipulating training data to improve performance 477 

15．3．2 building multi-class classifiers out of binary classifiers 479 

15．3．3 solving for svms and kernel machines 480 

15．4 notes 481 

16 classifying images 482 

16．1 building good image features 482 

16．1．1 example applications 482 

16．1．2 encoding layout with gist features 485 

16．1．3 summarizing images with visual words 487 

16．1．4 the spatial pyramid kernel 489 

16．1．5 dimension reduction with principal components 493 

16．1．6 dimension reduction with canonical variates 494 

16．1．7 example application： identifying explicit images 498 

16．1．8 example application： classifying materials 502 

16．1．9 example application： classifying scenes 502 

16．2 classifying images of single objects 504 

16．2．1 image classification strategies 505 

16．2．2 evaluating image classification systems 505 

16．2．3 fixed sets of classes 508 

16．2．4 large numbers of classes 509 

16．2．5 flowers， leaves， and birds： some specialized problems 511 

16．3 image classification in practice 512 

16．3．1 codes for image features 513 

16．3．2 image classification datasets 513 

16．3．3 dataset bias 515 

16．3．4 crowdsourcing dataset collection 515 

16．4 notes 517 

17 detecting objects in images 519 

17．1 the sliding window method 519 

17．1．1 face detection 520 

17．1．2 detecting humans 525 

17．1．3 detecting boundaries 527 

17．2 detecting deformable objects 530 

17．3 the state of the art of object detection 535 

17．3．1 datasets and resources 538 

17．4 notes 539 

18 topics in object recognition 540 

18．1 what should object recognition do? 540 

18．1．1 what should an object recognition system do? 540 

18．1．2 current strategies for object recognition 542 

18．1．3 what is categorization? 542 

18．1．4 selection： what should be described? 544 

18．2 feature questions 544 

18．2．1 improving current image features 544 

18．2．2 other kinds of image feature 546 

18．3 geometric questions 547 

18．4 semantic questions 549 

18．4．1 attributes and the unfamiliar 550 

18．4．2 parts， poselets and consistency 551 

18．4．3 chunks of meaning 554 

vi applications and topics 557 

19 image-based modeling and rendering 559 

19．1 visual hulls 559 

19．1．1 main elements of the visual hull model 561 

19．1．2 tracing intersection curves 563 

19．1．3 clipping intersection curves 566 

19．1．4 triangulating cone strips 567 

19．1．5 results 568 

19．1．6 going further： carved visual hulls 572 

19．2 patch-based multi-view stereopsis 573 

19．2．1 main elements of the pmvs model 575 

19．2．2 initial feature matching 578 

19．2．3 expansion 579 

19．2．4 filtering 580 

19．2．5 results 581 

19．3 the light field 584 

19．4 notes 587 

20 looking at people 590 

20．1 hmm’s， dynamic programming， and tree-structured models 590 

20．1．1 hidden markov models 590 

20．1．2 inference for an hmm 592 

20．1．3 fitting an hmm with em 597 

20．1．4 tree-structured energy models 600 

20．2 parsing people in images 602 

20．2．1 parsing with pictorial structure models 602 

20．2．2 estimating the appearance of clothing 604 

20．3 tracking people 606 

20．3．1 why human tracking is hard 606 

20．3．2 kinematic tracking by appearance 608 

20．3．3 kinematic human tracking using templates 609 

20．4 3d from 2d： lifting 611 

20．4．1 reconstruction in an orthographic view 611 

20．4．2 exploiting appearance for unambiguous reconstructions 613 

20．4．3 exploiting motion for unambiguous reconstructions 615 

20．5 activity recognition 617 

20．5．1 background： human motion data 617 

20．5．2 body configuration and activity recognition 621 

20．5．3 recognizing human activities with appearance features 622 

20．5．4 recognizing human activities with compositional models 624 

20．6 resources 624 

20．7 notes 626 

21 image search and retrieval 627 

21．1 the application context 627 

21．1．1 applications 628 

21．1．2 user needs 629 

21．1．3 types of image query 630 

21．1．4 what users do with image collections 631 

21．2 basic technologies from information retrieval 632 

21．2．1 word counts 632 

21．2．2 smoothing word counts 633 

21．2．3 approximate nearest neighbors and hashing 634 

21．2．4 ranking documents 638 

21．3 images as documents 639 

21．3．1 matching without quantization 640 

21．3．2 ranking image search results 641 

21．3．3 browsing and layout 643 

21．3．4 laying out images for browsing 644 

21．4 predicting annotations for pictures 645 

21．4．1 annotations from nearby words 646 

21．4．2 annotations from the whole image 646 

21．4．3 predicting correlated words with classifiers 648 

21．4．4 names and faces 649 

21．4．5 generating tags with segments 651 

21．5 the state of the art of word prediction 654 

21．5．1 resources 655 

21．5．2 comparing methods 655 

21．5．3 open problems 656 

21．6 notes 659 

vii background material 661 

22 optimization techniques 663 

22．1 linear least-squares methods 663 

22．1．1 normal equations and the pseudoinverse 664 

22．1．2 homogeneous systems and eigenvalue problems 665 

22．1．3 generalized eigenvalues problems 666 

22．1．4 an example： fitting a line to points in a plane 666 

22．1．5 singular value decomposition 667 

22．2 nonlinear least-squares methods 669 

22．2．1 newton’s method： square systems of nonlinear equations670 

22．2．2 newton’s method for overconstrained systems 670 

22．2．3 the gauss―newton and levenberg―marquardt algorithms 671 

22．3 sparse coding and dictionary learning 672 

22．3．1 sparse coding 672 

22．3．2 dictionary learning 673 

22．3．3 supervised dictionary learning 675 

22．4 min-cut/max-flow problems and combinatorial optimization 675 

22．4．1 min-cut problems 676 

22．4．2 quadratic pseudo-boolean functions 677 

22．4．3 generalization to integer variables 679 

22．5 notes 682 

index 684

list of algorithms 707