彩色電腦視覺:基礎與應用 Color in Computer Vision: Fundamentals and Applications

(荷)西奧·蓋維爾斯(Theo Gevers), (荷)阿爾然·吉森尼(Arjan Gijsenij), (荷)約斯特·範德·魏約爾(Joost van de Weije

  • 彩色電腦視覺:基礎與應用-preview-1
  • 彩色電腦視覺:基礎與應用-preview-2
  • 彩色電腦視覺:基礎與應用-preview-3
彩色電腦視覺:基礎與應用-preview-1

買這商品的人也買了...

商品描述

本書主要介紹彩色視覺、彩色成像、光度不變性、光源估計和色度適應、彩色恆常性及其評價、彩色特徵檢測和描述、彩色圖像分割、彩色目標和場景識別等。可作為信號與信息處理、通信與信息系統、電子與通信工程、模式識別與智能系統、電腦科學以及視覺生理學、視覺心理學和視覺認知學等學科大學高年級本科生或研究生專業課教材和教學參考書,還可供涉及圖像技術應用行業(如生物醫學、電視廣播、工業自動化、文檔識別、機器人、電子醫療設備、遙感測繪、智能交通和軍事偵察等)的科技工作者科研參考。

作者簡介

章毓晉1989年獲比利時列日大學應用科學博士學位。 1989年至1993年為荷蘭德爾夫特大學博士後及研究人員。從1993年到中國北京清華大學工作,1997年被聘為教授,1998年被評為博士生導師。 2014年成為教學科研系列長聘教授。已編寫圖書40多本,包括翻譯出版了《彩色數字圖像處理》,《圖像處理基礎(第2版)》,《實用MATLIB圖像和視頻處理》,《計算機視覺基礎》。

主要科學研究領域為其積極倡導的圖像工程(圖像處理、圖像分析、圖像理解及其技術應用)和相關學科。已在國內外發表了500多篇圖像工程研究論文。

現為中國圖像圖形學學會副理事長;國際電氣電子工程師協會(IEEE)高級會員;國際光學工程協會(SPIE)會士(因在圖像工程方面的成就)。

目錄大綱

第1章 引言 1
1.1 從基礎到應用 1
1.2 第1部分:彩色基礎 2
1.3 第2部分:光度不變性 2
1.3.1 基於物理性質的
不變性 3
1.3.2 基於機器學習的
不變性 3
1.4 第3部分:彩色恆常性 3
1.5 第4部分:彩色特徵提取 3
1.5.1 從亮度到彩色 4
1.5.2 特徵、描述符和
顯著性 4
1.5.3 分割 4
1.6 第5部分:應用 5
1.6.1 檢索和視覺探索 5
1.6.2 彩色命名 6
1.6.3 多光譜應用 6
1.7 本章小結 6
第1部分  彩色基礎
第2章 彩色視覺 9
2.1 引言 9
2.2 彩色信息處理步驟 9
2.2.1 眼睛和光學 9
2.2.2 視網膜:桿狀細胞和
錐狀細胞 9
2.2.3 神經節細胞和感受野 11
2.2.4 外側膝狀核和視覺
皮層 11
2.3 視覺系統的色度特性 12
2.3.1 色度適應 12
2.3.2 人類彩色恆常性 12
2.3.3 空間相互作用 14
2.3.4 色度辨別和色覺障礙 15
2.4 本章小結 17
第3章 彩色成像 18
3.1 朗伯反射模型 19
3.2 雙色反射模型 20
3.3 庫貝卡·蒙克模型 21
3.4 對角模型 23
3.5 彩色空間 24
3.5.1 XYZ系統 24
3.5.2 RGB系統 26
3.5.3 對立彩色空間 27
3.5.4 感知均勻彩色空間 28
3.5.5 直觀彩色模型 29
3.6 本章小結 31
第2部分  光度不變性
第4章 基於像素的光度不變性 35
4.1 歸一化彩色空間 35
4.2 對立彩色空間 37
4.3 HSV彩色空間 37
4.4 合成彩色空間 38
4.4.1 體反射率不變性 38
4.4.2 體和表面反射率
不變性 39
4.5 噪聲穩定性和直方圖構建 41
4.5.1 噪聲擴散 42
4.5.2 通過變換的彩色擴散
噪聲示例 42
4.5.3 使用可變核密度構建
直方圖 44
4.6 應用:基於彩色的目標識別 45
4.6.1 數據集合性能測量 45
4.6.2 抗噪聲的魯棒性:
模擬數據 46
4.7 本章小結 49
第5章 彩色比率的光度不變性 50
5.1 光源不變彩色比率 51
5.2 光源不變邊緣檢測 53
5.3 模糊魯棒和彩色恆常圖像
描述 54
5.4 應用:基於彩色比率的圖像
檢索 55
5.4.1 光源彩色的魯棒性 56
5.4.2 高斯模糊的魯棒性 56
5.4.3 真實世界模糊效果的
魯棒性 57
5.5 本章小結 58
第6章 基於導數的光度不變性 59
6.1 完全光度不變量 61
6.1.1 高斯彩色模型 61
6.1.2 RGB相機的高斯彩色
模型 63
6.1.3 高斯彩色模型的導數 64
6.1.4 朗伯反射模型的微分
不變量 65
6.1.5 雙色反射模型的微分
不變量 68
6.1.6 完全彩色不變量小結 71
6.1.7 二維中的幾何彩色
不變量 71
6.2 準不變量 72
6.2.1 雙色反射模型中的
邊緣 72
6.2.2 光度變量和準不變量 74
6.2.3 準不變量與完全不變
量的聯繫 75
6.2.4 完全不變量和準不變
量的局部化和鑑別
能力 78
6.3 本章小結 80
第7章 基於機器學習的光度不變性 81
7.1 從多樣化的集合中學習 81
7.2 時域集合學習 85
7.3 為區域檢測學習彩色不變量 85
7.4 實驗 88
7.4.1 誤差測度 88
7.4.2 皮膚檢測:靜止圖像 89
7.4.3 視頻中的道路檢測 92
7.5 本章小結 96
第3部分  彩色恆常性
第8章 光源估計和色彩適應 99
8.1 光源估計 100
8.2 色彩適應 101
第9章 使用低層特徵的彩色恆常性 103
9.1 通用灰色世界 103
9.2 灰色邊緣 105
9.3 基於物理的方法 108
9.4 本章小結 108
第10章 使用色域方法的彩色
恆常性 109
10.1 使用導數結構的色域映射 111
10.1.1 對角偏移模型 111
10.1.2 像素值線性組合的
色域映射 111
10.1.3 N-jet色域 112
10.2 色域映射算法的組合 113
10.2.1 組合可行集 114
10.2.2 組合算法輸出 114
10.3 本章小結 114
第11章 基於機器學習的彩色
恆常性 115
11.1 概率方法 115
11.2 使用輸出統計的組合 115
11.3 使用自然圖像統計的組合 116
11.3.1 空間圖像結構 116
11.3.2 算法選擇 118
11.4 使用語義信息的方法 119
11.4.1 使用場景類別 119
11.4.2 使用高層視覺
信息 120
11.5 本章小結 122
第12章 彩色恆常性方法的評價 123
12.1 數據集 123
12.1.1 高光譜數據 123
12.1.2 RGB數據 123
12.1.3 小結 124
12.2 性能評估 125
12.2.1 數學距離 125
12.2.2 感知距離 126
12.2.3 彩色恆常性距離 126
12.2.4 感知分析 126
12.3 實驗 128
12.3.1 比較算法性能 129
12.3.2 評價 129
12.4 本章小結 132
第4部分  彩色特徵提取
第13章 彩色特徵檢測 137
13.1 彩色張量 138
13.1.1 光度不變導數 140
13.1.2 彩色坐標變換的
不變性 141
13.1.3 魯棒的完全光度
不變性 142
13.1.4 基於彩色張量
的特徵 143
13.1.5 實驗:魯棒特徵點
檢測和提取 148
13.2 彩色顯著性 149
13.2.1 彩色獨特性 150
13.2.2 基於物理的
去相關 151
13.2.3 彩色圖像的統計 153
13.2.4 提升彩色顯著性 154
13.2.5 彩色獨特性的
評估 155
13.2.6 重複性 156
13.2.7 通用性說明 158
13.3 本章小結 159

第14章 彩色特徵描述 161
14.1 基於高斯導數的描述符 163
14.2 鑑別力 166
14.3 不變性層次 170
14.4 信息內容 171
14.4.1 實驗結果 173
14.5 本章小結 173
第15章 彩色圖像分割 174
15.1 彩色蓋伯濾波 174
15.2 朗伯反射下的不變蓋伯
濾波器 176
15.3 基於彩色的紋理分割 176
15.4 使用不變各向異性濾波
的材料識別 179
15.4.1 MR8-NC濾波
器組 181
15.4.2 MR8-INC濾波
器組 181
15.4.3 MR8-LINC濾波
器組 182
15.4.4 MR8-SLINC濾波
器組 182
15.4.5 濾波器組特性
小結 182
15.5 彩色不變碼本和特定材料
的適應 183
15.6 實驗 184
15.6.1 使用彩色不變碼本
的材料分類 184
15.6.2 材料圖像的彩色-
紋理分割 185
15.6.3 使用自適應彩色不
變量碼本的材料
分類 186
15.7 基於德勞內三角剖分的
圖像分割 188
15.7.1 基於光度彩色不變
性的同質性 188

15.7.2 基於相似謂詞的
同質性 189
15.7.3 差異測度 189
15.7.4 分割結果 190
15.8 本章小結 191
第5部分  應用
第16章 目標和場景識別 195
16.1 對角模型 195
16.2 彩色SIFT描述符 196
16.3 目標和場景識別 198
16.3.1 特徵提取流水線 198
16.3.2 分類 199
16.3.3 圖像基準:PASCAL
視覺目標類挑戰 199
16.3.4 視頻基準:Mediamill
挑戰 200
16.3.5 評價準則 200
16.4 結果 201
16.4.1 圖像基準:PASCAL 
VOC挑戰 201
16.4.2 視頻基準:Mediamill
挑戰 202
16.4.3 比較 203
16.5 本章小結 205
第17章 彩色命名 206
17.1 基本彩色術語 206
17.2 源自校準數據的彩色
名稱 209
17.2.1 模糊彩色命名 210
17.2.2 彩色類別 211
17.2.3 無色類別 214
17.2.4 模糊集估計 215
17.3 源自未校準數據的彩色
名稱 219
17.3.1 彩色名稱數據集 220
17.3.2 學習彩色名稱 220
17.3.3 賦彩色名稱到測試
圖像 224
17.3.4 靈活性彩色名稱
數據集 224
17.4 實驗結果 225
17.5 本章小結 228
第18章 多光譜圖像分割 229
18.1 反射和相機模型 229
18.1.1 多光譜成像 229
18.1.2 相機和成像模型 229
18.1.3 白平衡 230
18.2 光度不變距離測度 231
18.2.1 色度極角間的
距離 231
18.2.2 色調極角間的
距離 232
18.2.3 討論 234
18.3 誤差擴散 234
18.3.1 源自光子噪聲的
不確定性擴散 234
18.3.2 不確定性的擴散 235
18.4 基於聚類的光度不變區域
檢測 236
18.4.1 魯棒K-均值聚類 236
18.4.2 光度不變分割 237
18.5 實驗 238
18.5.1 不確定性在變換
頻譜中的擴散 238
18.5.2 光度不變聚類 241
18.6 本章小結 244
引用指南 245
參考文獻 247
索引 264