圖像理解

第一章  緒  論                  
 1. 1  概述                  
 1. 1. 1  什么是圖像理解                  
 1. 1. 2  圖像理解的研究和應(yīng)用                  
 1. 2  常用的數(shù)據(jù)結(jié)構(gòu)                  
 1. 2. 1  線性表                  
 1. 2. 2  層次結(jié)構(gòu)                  
 1. 2. 3  圖結(jié)構(gòu)                  
 1. 2. 4  復(fù)雜的循環(huán)結(jié)構(gòu)舉例                  
 1. 3  知識(shí)的表示與應(yīng)用                  
 1. 3. 1  常用的幾種知識(shí)表示方法                  
 1. 3. 2  不精確推理概述                  
 1. 4  本書章節(jié)安排                  
 第二章  線                  
 2. 1  概述                  
 2. 2  簡單的邊緣檢測算子                  
 2. 2. 1  常見的檢測局部邊緣算子                  
 2. 2. 2  簡單邊緣檢測算子的性能比較                  
 2. 2. 3  改進(jìn)簡單邊緣檢測算子的方法                  
 2. 3  Marr-Hildreth邊緣檢測理論                  
 2. 3. 1  基本原理                  
 2. 3. 2  具體實(shí)現(xiàn)                  
 2. 3. 3  多信道的綜合                  
 2, 4  用Facet模型檢測邊緣                  
 2. 4. 1  Facet模型的形式化                  
 2. 4. 2  利用Facet模型確定邊緣                  
 2. 5  形成有意義的線特征                  
 2. 5. 1  啟發(fā)式連接                  
 2. 5. 2. Hough變換                  
 2. 5. 3  相位編組方法                  
 2. 5. 4  層次記號(hào)編組                  
 2. 6    小結(jié)                  
 第三章  區(qū)  域                  
 3. 1  概述                  
 3. 2  簡單圖像基于像元灰度的全局門限法                  
 3. 2. 1  簡單的直方圖分析法                  
 3. 2. 2  直方圖凹形分析法                  
 3. 2. 3  類別方差自動(dòng)門限法                  
 3. 2. 4  最佳熵自動(dòng)門限法                  
 3. 2. 5  矩不變自動(dòng)門限法                  
 3. 2. 6  極小誤差自動(dòng)門限法                  
 3. 3  簡單圖像基于像元鄰域?qū)傩缘娜珠T限法                  
 3. 3. 1  基于邊緣特性的方法                  
 3. 3. 2  基于二階統(tǒng)計(jì)特性的方法                  
 3. 3. 3  利用兩個(gè)"累積測量"選門限                  
 3. 3. 4  松弛迭代方法                  
 3. 4  全局門限化直方圖分割方法的評(píng)估                  
 3. 5  復(fù)雜圖像基于圖像屬性的分割方法                  
 3. 5. 1  自動(dòng)多門限分割技術(shù)                  
 3. 5. 2  循環(huán)分解法                  
 3. 5. 3  分塊分割再合并方法                  
 3. 6  區(qū)域連接增長                  
 3. 6. 1  單連接區(qū)域增長                  
 3. 6. 2  混合連接區(qū)域增長                  
 3. 6. 3  中心連接區(qū)域增長                  
 3. 6. 4  混合連接組合技術(shù)                  
 3. 7  分開一合并的分析方法                  
 3. 7. 1  基本思想                  
 3. 7. 2  處理過程                  
 3. 7. 3  一致性謂詞                  
 3. 8  彩色圖像分割                  
 3. 9  小結(jié)                  
 第四章  紋理                  
 4. 1  概述                  
 4. 2  空間灰度層共現(xiàn)矩陣                  
 4. 2. 1  基本原理                  
 4. 2. 2  共現(xiàn)矩陣應(yīng)用舉例                  
 4. 3  紋理能量測量                  
 4. 4  用Markov隨機(jī)場模型描述紋理                  
 4. 5  用分形和分維理論描述紋理                  
 4. 5. 1  分形和分維的基本概念                  
 4. 5. 2  分形布朗模型用于圖像分析                  
 4. 5. 3  雙毯求表面面積確定分形參量                  
 4. 6  紋理的結(jié)構(gòu)分析方法和紋理梯度                  
 4. 6. 1  紋理的結(jié)構(gòu)分析方法                  
 4. 6. 2  紋理梯度                  
 4. 7  小結(jié)                  
 第五章形狀                  
 5. 1  概述                  
 5. 2  二維形狀描述技術(shù)                  
 5. 2. 1  內(nèi)標(biāo)量方法                  
 5. 2. 2  外標(biāo)量變換方法                  
 5. 2. 3  內(nèi)空間域技術(shù)                  
 5. 2. 4  外空間域技術(shù)                  
 5. 2. 5  二維形狀描述方法回顧                  
 5. 2. 6  二維形狀的層次描述                  
 5. 3  三維物體的表示方法                  
 5. 3. 1  骨架表示法                  
 5. 3. 2  表面表示法                  
 5. 3. 3  體積表示法和廣義圓柱體                  
 5. 4  由圖像性質(zhì)導(dǎo)出表面方向                  
 5. 4. 1  坐標(biāo)系統(tǒng)和梯度空間                  
 5. 4. 2  由正交投影圖像獲取三維形狀信息                  
 5. 4. 3  由體視投影圖像獲取三維形狀信息                  
 5. 5  小結(jié)                  
 第六章  圖像序列分析                  
 6. 1  概述                  
 6. 2  從圖像序列中檢測運(yùn)動(dòng)信息                  
 6. 2. 1  簡單的檢測灰度變化的方法                  
 6. 2. 2  基于灰度梯度確定瞬時(shí)速度場                  
 6. 3  基本記號(hào)的檢測方法                  
 6. 3. 1  點(diǎn)記號(hào)檢測                  
 6. 3. 2  點(diǎn)匹配                  
 6. 3. 3  運(yùn)動(dòng)邊緣檢測                  
 6. 3. 4  連通的像元集(小區(qū)域)的檢測                  
 6. 4  流場幾何                  
 6. 5  純平移運(yùn)動(dòng)                  
 6. 5. 1  基本關(guān)系                  
 6. 5. 2  直接搜索平移軸                  
 6. 5. 3  復(fù)對(duì)數(shù)變換分析方法                  
 6. 6  利用點(diǎn)對(duì)應(yīng)性估計(jì)運(yùn)動(dòng)參數(shù)和三維結(jié)構(gòu)                  
 6. 6. 1  對(duì)曲表面運(yùn)動(dòng)的估計(jì)                  
 6. 6. 2  對(duì)平面運(yùn)動(dòng)的估計(jì)                  
 6. 7  利用局部光流場的分析方法                  
 6. 7. 1  導(dǎo)出動(dòng)力學(xué)關(guān)系                  
 6. 7. 2  實(shí)現(xiàn)方法的考慮                  
 6. 8  全局光流技術(shù)                  
 6. 8. 1  流場分割                  
 6. 8. 2  估計(jì)三維運(yùn)動(dòng)和結(jié)構(gòu)                  
 6. 9  小結(jié)                  
 第七章  雙目圖像分析                  
 7. 1  概述                  
 7. 2  搜索對(duì)應(yīng)性的條件限制                  
 7. 2. 1  外極幾何限制                  
 7. 2. 2  變換外極線為水平掃描線                  
 7. 2. 3  線記號(hào)對(duì)應(yīng)性的限制條件                  
 7. 3  求解對(duì)應(yīng)性的匹配技術(shù)                  
 7. 3. 1  基于灰度的匹配                  
 7. 3. 2  松弛合作算法                  
 7. 3. 3  概率松弛匹配技術(shù)                  
 7. 3. 4  直線段匹配                  
 7. 3. 5  曲線段匹配                  
 7. 4  雙目視覺中的相機(jī)系統(tǒng)模型                  
 7. 4. 1  基本概念                  
 7. 4. 2  雙目橫模型結(jié)構(gòu)                  
 7. 4. 3  雙目軸模型結(jié)構(gòu)                  
 7. 5  小結(jié)                  
 第八章  圖像理解系統(tǒng)                  
 8. 1  概述                  
 8. 1. 1  引言                  
 8. 1. 2  圖像理解模型                  
 8. 2  面向區(qū)域的二維解釋系統(tǒng)                  
 8. 2. 1  航片解釋系統(tǒng)                  
 8. 2. 2  基于規(guī)則的景物解釋系統(tǒng)                  
 8. 2. 3  VISIONS                  
 8. 2. 4  SCORPIUS                  
 8. 3  三維景物的解釋系統(tǒng)                  
 8. 3. 1  積木世界的理解                  
 8. 3. 2  ACRONYM                  
 8. 3. 3  三維MOSAIC系統(tǒng)                  
 8. 4  圖像理解環(huán)境(1UE)                  
 8. 4. 1  什么是圖像理解環(huán)境                  
 8. 4. 2  CME                  
 8. 4. 3  KBVision                  
 8. 4. 4  Power Vision                  
 8. 5  圖像理解的系統(tǒng)結(jié)構(gòu)                  
 8. 5. 1  圖像理解的不同層次和功能要求                  
 8. 5. 2  圖像理解與并行處理結(jié)構(gòu)                  
 8. 5. 3  典型的圖像理解系統(tǒng)結(jié)構(gòu)                  
 8. 5. 4  圖像理解結(jié)構(gòu)的試驗(yàn)程序                  
 8. 6  小結(jié)                  
 參考文獻(xiàn)