计算机科学丛书：机器视觉教程 pdf下载

　　本书从介绍数学原理开始，然后讨论图像处理中的关键问题，如图像的描述与品质、边缘检测、特征提取、分割、纹理与形状等。讨论的内容还包括图像匹配、统计模式识别、句法模式识别、聚类、传播、自适应轮廓、参数变换以及一致性标号。
　　本书对机器视觉进行了全面且通俗易懂的讲解，是一本从实用角度出发介绍机器视觉理论与应用的教材。本书从介绍数学原理开始，然后讨论图像处理中的关键问题，如图像的描述与品质、边缘检测、特征提取、分割、纹理与形状等。讨论的内容还包括图像匹配、统计模式识别、句法模式识别、聚类、传播、自适应轮廓、参数变换以及一致性标号。本书还介绍机器视觉的一些重要应用，其中包括目标的自动检测等。

　　Wesley E.Snyder在美国伊利诺大学获得博士学位，现在是北卡罗来纳州立大学电机与计算机工程系教授。他曾发表过100多篇学术论文，并且是《Industrial Robots》（工业机器人）一书的作者。他曾是IEEE机器人与自动化学会以及IEEE神经网络理事会的创始人。他还担任过美国国家科学基金会、美国国家航空航天局（NASA）、Sandia实验室以及美国陆军科研办公室的顾问。

　　本书对机器视觉进行了全面且通俗易懂的讲解。提供了所有必需的理论工具，并且说明如何应用到实际的图像处理与机器视觉系统中。每章包含了许多编程作业，使读者能深入了解开发实用的图像处理算法的内幕。
　　本书从回顾数学原理开始，然后讨论图像处理中的关键问题，还讨论了机器视觉的一些重要应用，其中包括目标的自动检测。本书强调了两个命题：一致性 （解决机器视觉问题的一个主要理论架构） 与优化 （用来实现这些方法的数学工具） 。

译者序
致教师
第l章 引言/1
1.1 本书宗旨 /1
1.2 读者需具备的预备知识/1
1.3 一些术语 /2
1.3.1 图像处理/2
1.3.2 机器视觉/3
1.4 机器视觉系统的组成/3
1.5 图像的性质 /4
1.6 图像的操作分析/4
参考文献/5

第2章 数学原理回顾/7
2.1 概率论简单回顾/7
2.2 线性代数简单回顾/8
2.2.1 线性变换/10
2.2.2 求导运算/11
2.2.3 特征值与特征向量/12
2.3 函数最小化简介/12
2.3. 1牛顿一拉弗森方法/14
2.3.2 局部最小与全局最小/15
2.3.3 模拟退火/15
2.4 马尔科夫模型/16
2.4.1 隐马尔科夫模型/17
2.4.2 维特比算法/18
2.4.3 马尔科夫输出/19
2.4.4 估计模型参数/20
2.4.5 隐马尔科夫模型的应用/20
参考文献/21

第3章 编写图像处理程序/23
第4章 图像的生成与表示方式/29
第5章 线性算子与核算子/49
第6章 图像松弛：复原与特征抽取/81
第7章 数学形态学/111
笫8章 分割/139
第9章 形状/167
第10章 一致性标号/205
笫11章 参数变换/215
第12章 图和图论概念/227
第13章 图像匹配/233
第14章 统计模式识别/255
第15章 聚类/279
第16章 句法模式识别/289
第17章 应用/299
第18章 自动目标识别/307