目 錄 第1章 人類視覺系統(tǒng)及其建模 1 1.1 人類視覺系統(tǒng)概述 1 1.2 人眼基本視覺特性 4 1.2.1 色彩空間 4 1.2.2 多通道特性 5 1.2.3 亮度自適應(yīng) 5 1.2.4 對比度敏感度函數(shù)（CSF） 5 1.2.5 視覺掩蓋效應(yīng) 6 1.3 立體視覺的形成過程 7 1.3.1 立體視覺系統(tǒng)的生理特性 7 1.3.2 立體視覺系統(tǒng)的心理特性 9 1.3.3 立體視覺生理特性與心理特性的關(guān)系 9 1.4 JND模型與顯著性模型 10 1.4.1 JND模型 10 1.4.2 顯著性模型 18 1.5 本章小結(jié) 19 參考文獻(xiàn) 19 第2章 圖像邊緣、角點(diǎn)檢測 20 2.1 圖像 20 2.2 灰度位圖圖像和彩色位圖圖像 21 2.3 GIF圖像格式和JPEG壓縮 24 2.3.1 GIF圖像 25 2.3.2 JPEG圖像 25 2.4 圖像邊緣及其檢測 31 2.4.1 邊緣類型 32 2.4.2 邊緣檢測的三個階段 33 2.4.3 濾波操作及雙邊濾波器 33 2.4.4 差分操作 36 2.4.5 邊緣檢測操作 37 2.4.6 非極大值抑制操作 37 2.4.7 幾種典型的邊緣檢測算法 38 2.5 圖像角點(diǎn)檢測 41 2.5.1 圖像角點(diǎn)檢測基本原理及Harris角點(diǎn)檢測 41 2.5.2 FAST角點(diǎn)檢測 44 2.6 形狀檢測 44 2.6.1 標(biāo)準(zhǔn)Hough變換及圓形Hough變換 44 2.6.2 廣義Hough變換 46 2.6.3 三種常見Hough變換的區(qū)別 47 2.7 直線段檢測 47 本章小結(jié) 49 參考文獻(xiàn) 50 第3章 圖像形成與相機(jī)幾何 51 3.1 引言 51 3.1.1 色度學(xué) 51 3.1.2 三色視覺原理 52 3.2 圖像的形成 53 3.2.1 取景透鏡 54 3.2.2 抗混淆濾波器 57 3.2.3 紅外截止濾波器和保護(hù)玻璃 59 3.2.4 圖像傳感器 59 3.3 齊次坐標(biāo) 64 3.4 小孔成像 65 3.5 圖像坐標(biāo)系、相機(jī)坐標(biāo)系和世界坐標(biāo)系 67 3.5.1 圖像坐標(biāo)系 67 3.5.2 相機(jī)坐標(biāo)系 68 3.5.3 世界坐標(biāo)系 68 3.6 坐標(biāo)平移、伸縮和旋轉(zhuǎn) 68 3.6.1 坐標(biāo)平移 68 3.6.2 坐標(biāo)伸縮 69 3.6.3 坐標(biāo)旋轉(zhuǎn) 69 3.6.4 繞任意軸旋轉(zhuǎn)的矩陣表示 71 3.6.5 羅德里格斯公式 74 3.6.6 四元數(shù) 75 3.6.7 旋轉(zhuǎn)矩陣與旋轉(zhuǎn)角的關(guān)系 76 3.6.8 矩陣與運(yùn)動的對應(yīng)關(guān)系 77 3.6.9 世界坐標(biāo)系到圖像坐標(biāo)系的變換 78 3.6.10 透視相機(jī)模型 80 3.7 相機(jī)標(biāo)定 80 3.7.1 相機(jī)畸變 83 3.7.2 相機(jī)標(biāo)定 84 3.8 相機(jī)位置和方向 84 3.9 姿態(tài)估計 86 本章小結(jié) 88 習(xí)題3 88 參考文獻(xiàn) 88 第4章 從圖像序列中估計2D和3D運(yùn)動 89 4.1 運(yùn)動場與光流場 89 4.2 光流計算 91 4.2.1 光流方程 91 4.2.2 經(jīng)典光流計算方法 92 4.2.3 光流算法的改進(jìn) 94 4.3 光流技術(shù)的研究難點(diǎn)及策略 100 4.3.1 魯棒的光流估計 101 4.3.2 壓縮感知及基于稀疏模型的光流估計 103 4.3.3 光流分布信息的統(tǒng)計研究 105 4.4 3D運(yùn)動恢復(fù) 107 4.4.1 透視投影成像的幾何模型 107 4.4.2 3D運(yùn)動場 109 4.4.3 3D運(yùn)動場到2D速度場的投影轉(zhuǎn)換模型 111 4.4.4 2D速度場的局部擬合及三維運(yùn)動參數(shù)估計 112 參考文獻(xiàn) 114 第5章 差分運(yùn)動分析及基于核函數(shù)的視覺跟蹤 120 5.1 基于差分方法的光流計算 120 5.1.1 光流通用模型 120 5.1.2 模型數(shù)據(jù)項 121 5.1.3 HS模型的計算方法 126 5.2 視覺跟蹤概述 128 5.2.1 視覺跟蹤的分類 129 5.2.2 視頻目標(biāo)跟蹤算法的組成 130 5.3 核函數(shù)跟蹤算法 130 5.3.1 核函數(shù)跟蹤算法的問題及發(fā)展 131 5.3.2 目標(biāo)及候選圖像區(qū)域表達(dá) 131 5.3.3 相似性度量 132 5.3.4 概率密度估計 133 5.3.5 Mean Shift 136 5.3.6 誤差平方和測度及牛頓迭代 140 5.3.7 多極值點(diǎn)問題 141 5.4 本章小結(jié) 142 參考文獻(xiàn) 142 第6章 蒙特卡羅運(yùn)動分析 145 6.1 跟蹤問題的形式化表示 145 6.1.1 Markov性假設(shè) 145 6.1.2 三個基本模型 145 6.1.3 推測過程 146 6.2 卡爾曼濾波與廣義卡爾曼濾波 146 6.2.1 狀態(tài)空間表示法和參數(shù)估計 146 6.2.2 標(biāo)準(zhǔn)卡爾曼濾波 147 6.2.3 廣義卡爾曼濾波 148 6.3 特征表示與提取 149 6.3.1 顏色直方圖 149 6.3.2 形狀特征 150 6.3.3 尺度不變輪廓特征的表示 150 6.4 目標(biāo)跟蹤方法評價指標(biāo) 152 6.5 序列Monte Carlo方法研究 153 6.5.1 Monte Carlo方法 153 6.5.2 重要性采樣 156 6.5.3 序列重要性采樣 158 6.5.4 退化問題 160 6.5.5 粒子濾波的改進(jìn)方法 164 6.5.6 粒子濾波的收斂性 170 6.6 本章小結(jié) 174 參考文獻(xiàn) 175 第7章 鉸鏈運(yùn)動分析及人體姿態(tài)估計 180 7.1 人體模型及觀測似然函數(shù) 180 7.1.1 人體模型 180 7.1.2 觀測似然函數(shù) 181 7.2 模擬退火的粒子濾波算法 181 7.2.1 粒子濾波算法 181 7.2.2 模擬退火 182 7.2.3 模擬退火的粒子濾波 183 7.3 非參數(shù)置信傳播算法 183 7.4 人體運(yùn)動估計 184 7.4.1 條件隨機(jī)場理論 185 7.4.2 人體與外觀模型 190 7.5 本章小結(jié) 192 參考文獻(xiàn) 192 第8章 多目標(biāo)跟蹤算法 194 8.1 多目標(biāo)跟蹤概述 194 8.1.1 目標(biāo)運(yùn)動模型 195 8.2 數(shù)據(jù)關(guān)聯(lián)算法 197 8.2.1 最近鄰域法 197 8.2.2 概率數(shù)據(jù)關(guān)聯(lián)算法 197 8.2.3 聯(lián)合概率數(shù)據(jù)互聯(lián)算法 199 8.2.4 其他的經(jīng)典算法 201 8.3 基于圖模型的多目標(biāo)跟蹤算法 202 8.3.1 概率圖模型分析 203 8.3.2 概率圖模型推理方法 213 8.4 本章小結(jié) 224 參考文獻(xiàn) 225