书名：计算机视觉基础  
ISBN：9787308208437  
作者：宫文娟  


内容提要：  
该教材涵盖了计算机视觉领域的基本问题：图像分割、图像分类、物体检测、识别、物体跟踪、多目视觉、视觉问答等。本教材将对这些问题的定义、主要方法等进行介绍，同时考虑到计算机视觉是一门实践性很强的课程，本教材将结合每章介绍内容设计编程案例作为上机实践的参考。  
本教材在以往教材的基础上添加了深度学习算法的内容。由于目前很多zuixin的方法都公开源代码和训练好的模型，每个章节中还增加了扩展阅读，介绍每章节内容的zuixin研究动态和目前最有效的算法，感兴趣的读着可以根据参考文献进行深入阅读并进行实践应用。  




作者简介：  
宫文娟，主要研究领域为机器学习、人工智能、计算机视觉等。在中科院自动化研究所、深圳先进技术研究院、IOSB研究所和奥尔堡大学进行过学术访问交流。负责多项国家、自然科学基金及欧盟、英国科学与自然理事会项目。  

目录：  

第1章  概论
  1.1  计算机视觉的定义
  1.2  计算机视觉的发展历史
  1.3  计算机视觉的主要研究内容
  1.4  计算机视觉的主要应用
  1.5  计算机视觉的特点
  1.6  实例：基于词袋的图像分类方法
  习题
第2章  基础知识
  2.1  数字图像表示
    2.1.1  灰度图像
    2.1.2  彩色图像
    2.1.3  深度图像
  2.2  照相机成像模型
  2.3  传统计算机视觉方法基础知识
    2.3.1  尺度不变特征变换
    2.3.2  方向梯度直方图
  2.4  深度学习基础知识
    2.4.1  卷积
    2.4.2  池化
习题
第3章  图像分类
  3.1  概述
    3.1.1  图像分类的种类
    3.1.2  图像分类的发展
  3.2  基于词袋表示的图像分类
    3.2.1  基于词袋的句子检索
    3.2.2  基于词袋的图像分类
  3.3  基于Fisher向量的图像表示方法
    3.3.1  高斯混合模型
    3.3.2  Fisher向量
  3.4  基于深度学习的图像分类
    3.4.1  网络模型的主要类别
    3.4.2  经典的图像分类模型
    3.4.3  深度学习算法与传统算法的比较
  习题
第4章  图像语义分割
  4.1  概述
  4.2  基于聚类的分割方法
    4.2.1  K—Means
    4.2.2  谱聚类
    4.2.3  Mean Shift
    4.2.4  SLIC
  4.3  基于边缘的分割方法
    4.3.1  Robe rts算子
    4.3.2  Sobel算子
    4.3.3  Prewitt算子
    4.3.3  L.oG算子
    4.3.4  Canny算子
  4.4  基于区域的分割方法
    4.4.1  基于阈值的分割方法
    4.4.2  种子区域生长法
    4.4.3  区域分裂合并法
    4.4.4  分水岭法
  4.5  基于图论的分割方法
    4.5.1  NormaIized Cut
    4.5.2  GraDh Cuts
    4.5.3  Grab Cut
  4.6  基于深度学习的分割方法
    4.6.1  基于上采样／反卷积的分割方法
    4.6.2  基于提高特征分辨率的分割方法
    4.6.3  基于RNN的图像分割
    4.6.4  基于特征增强的分割方法
    4.6.5  使用CRF／MRF的方法
  习题
第5章  目标检测
  5.1  概述