《图像理解与计算机视觉模板》由会员分享，可在线阅读，更多相关《图像理解与计算机视觉模板（23页珍藏版）》请在金锄头文库上搜索。
1、C,O,N,T,E,N,T,S, 课程设置情况 -教学目标与要求 -课程内容与学时分配 -教材 参考资料 相关课程 课程网址 成绩评定 实验平台与开发工具 -图像理解 -图像分析,课程简介,课程介绍 课程编号：1020299 课程名称：图像理解与计算机视觉 英文名称：Image Understanding & Computer Vision 开课单位：测绘与地理信息学院 开课学期：2016-2017年第一学期 课内学时：36学时 教学方式：讲课与自学 适用专业： 测绘科学与技术 考核方式：课程报告 预修课程：数字摄影测量与遥感信息处理、数字图像处理、计算机图形学,目标： 图像理解与计算机视觉是
2、一门涉及多个交叉学科领域的课程。本课程侧重于图像理解和计算机视觉中的基本理论，课程主要侧重对图像处理、目标识别以及计算机视觉方面的理论和应用进行系统介绍。目标是使学生学习了本课程之后，对图像理解和计算机视觉的基本理论，尤其是图像处理的概念、基本原理以及解决问题的基本思想方法有一个较为全面的了解和领会；学习计算机视觉的基本理论和技术，了解各种智能图像处理与计算机视觉技术的相关应用；具备解决智能化检测与识别等应用问题的初步能力，为以后从事模式识别、计算机视觉、测绘科学、多媒体技术等领域的研究与工程建设打下扎实的基础,一、教学目标与要求,要求： 1. 理解图像分析与图像理解的基本概念与基本内容； 2
3、. 2. 了解人类视觉系统基本构造，熟练掌握视网膜的构造和功能以及人类视觉模型； 3. 了解人类视觉的认知模式（模板匹配、特征分析、结构描述等）； 4. 熟练掌握基于边界和区域的基本图像分割技术以及图像分割的评价方法和测度。 5. 掌握纹理分析统计方法和从纹理恢复形状。 6. 熟练掌握图像目标的边界、区域特征的表达、测量及描述方法和图像分类识别的不 同方法。 7. 掌握计算机视觉计算理论，了解计算机视觉信息系统模型；了解具体的智能图像信 息分析系统。,一、教学目标与要求,1绪论(2学时) 介绍课程、图像处理的基本概念和图像理解的基本内容和内涵。 2图像与视觉系统(2学时) 人类视觉系统基本构造
4、和模型，亮度视觉与颜色视觉的基本概念、模型及视觉特性。 3图像分析出和图像变换(4学时) 图像信号的数学表示，图像的采样和量化，图像像素的基本概念及相关概念，基本图像运算，图像的线性系统理论，二维傅立叶变换及其基本性质，快速傅立叶变换，离散余弦变换，离散沃尔什变换，K-L变换，离散小波变换以及其他的二维正交变换。 4图像增强与恢复(4学时) 图像的空域增强技术，频域增强技术，图像退化的基本模型及图像恢复的基本思想，图像恢复的基本技术。 5彩色和多光谱图像处理(2学时) 彩色图像处理（增强和复原等），基于颜色特征的图像检索，多光谱图像处理，影像融合，遥感超光谱图像处理,二、课程内容与学时分配,6
5、图像分割(4学时) 视觉认知模式，基于边缘的图像分割技术，基于区域的图像分割技术，图像分割评价。 7纹理分析(4学时) 纹理分析统计方法，有序纹理的结构分析，基于模型的纹理分析，从纹理恢复形状。 8. 图像识别(4学时) 图像目标特征的提取与表达，图像目标特征的描述，图像目标的分类和估计。 9图像识别应用(2学时) 图像特征分析、分割与识别，雷达图像处理与识别，地学遥感图像分析与识别。 10计算机视觉的高层感知 (6学时) 计算机视觉计算理论、计算机视觉的基本概念；Marr视觉计算理论；计算机视觉的应用；计算机视觉的研究内容与面临的困难、与其它学科的关系。,二、课程内容与学时分配,【1】Mil
6、an Sonka(美)等著，艾海舟等译. 图像处理分析与机器视觉（第二版）. 北京：人民邮电出版社. 2003.【2】R. C. Gonzales(美). 阮秋琦等译. 数字图像处理.北京：电子工业出版社，2004.【3】R. C. Gonzales(美). 阮秋琦等译. 数字图像处理（MATLAB版）. 北京：电子工业出版社，2004.【4】章毓晋著. 图像工程（下册）. 北京：清华大学出版社. 2006. 推荐教材图像工程(第3版) 图像工程(下册):图像理解(第3版) 图像处理、分析与机器视觉(第3版) 计算机视觉:一种现代方法(第2版)(英文版) 学习OpenCV 数字图像处理与机器视
7、觉:Visual C+与Matlab实现 特征提取与图像处理(第2版) 数字图像处理(第3版) ,三、教材,参考资料 Emanuele Trucco, Alessandro Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall, 1998. Mubarak Shah, Fundamentals of Computer Vision , www.cs.ucf.edu/courses/cap6411/book.pdf Olivier Faugeras, Three Dimensional Computer Vis
8、ion, MIT Press, 1993 Richard Szeliski， ”Computer Vision: Algorithms and Applications”, 2009, “Pattern Classification (2nd Edition)”, by R.O. Duda, P.E. Hart, and D.G. Stork,Wiley-Interscience, 2000. “Pattern Recognition and Machine Learning”, by Christopher M. Bishop, 2006 Michael I. Jordan, “An Int
9、roduction to Probabilistic Graphical Models”,参考资料 International Journal of Computer Vision (IJCV) IEEE Transaction on Pattern Analysis and Machine Intelligence (TPAMI) IEEE International Conference on Computer Vision and Pattern Recognition(CVPR) IEEE Computer Society International Conference on Com
10、puter Vision (ICCV) 其他国际期刊和会议论文： Computer Vision and Image Understanding (CVIU) Pattern Recognition Letters (PRL) ECCV ,参考资料 Google 讨论组 Image Processing and Computer Vision Google Scholar Google Search Engine IEEE explorer CVPR papers on the Web ICCV papers on the Web ECCV papers on the Web,参考资料 Vid
11、eo lecture on web “Computer Vision”, by Andrew Blake, Microsoft Research “Generative Models for Visual Objects and Object Recognition via Bayesian Inference” by Fei-Fei Li, Princeton University “Machine Learning in Vision”, by Bill Triggs, Laboratoire Jean Kuntzmann Youtube - Google tech talk “IM2GP
12、S: estimating geographic information from a single image”, CVPR2008 “Machine Learning (Stanford)” “Looking at People”, by David Forsyth “UTokyos e-Heritage Project: 3D Modeling of Heritage Sites” “Learning and Recognizing Visual Object Categories”, by Dan Huttenlocher Free University Lectures Vision
13、 Algorithms: http:/www.cs.washington.edu/education/courses/577/04sp/contents.html#BP,成绩评定 平时作业（ 50%）： 45个编程练习 每次作业在一周内提交 期末课程项目（ Project）和报告（ 50%）： 根据讲课内容完成一个project，提交项目报告、实验程序、实验结果和演示等。 课程项目和报告在课程结束后一周内提交。,四、其他, Matlab OpenCV 中文网站 OpenCV是Intel发起的开源计算机视觉库，直至OpenCV1.0发布, 现在由Willow Garage提供支持( 它由C /
14、C+实现，支持跨平台（ Linux， Windows），提供了图像处理、计算机视觉和模式识别等方面的很多通用算法 OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库尽管也可以使用某些外部库。 OpenCV 对非商业应用和商业应用都是免费（ FREE）的。 最新版本： OpenCV_2.0.0a 应用例子： 人脸检测,五、实验平台与开发工具：,就是对图像的语义理解。它是以图像为对象，知识为核心，研究图像中有什么目标、目标之间的相互关系、图像是什么场景以及如何应用场景的一门学科。 图像理解属于数字图像处理的研究内容之一，属于高层操作。其重点是在图像分析的基
15、础上进一步研究图像中各目标的性质及其相互关系，并得出对图像内容含义的理解以及对原来客观场景的解释，进而指导和规划行为。图像理解所操作的对象是从描述中抽象出来的符号，其处理过程和方法与人类的思维推理有许多相似之处。,图像理解（image understanding,IU）,就是对图像的语义理解。它是以图像为对象，知识为核心，研究图像中有什么目标、目标之间的相互关系、图像是什么场景以及如何应用场景的一门学科。 图像理解属于数字图像处理的研究内容之一，属于高层操作。其重点是在图像分析的基础上进一步研究图像中各目标的性质及其相互关系，并得出对图像内容含义的理解以及对原来客观场景的解释，进而指导和规划行
16、为。图像理解所操作的对象是从描述中抽象出来的符号，其处理过程和方法与人类的思维推理有许多相似之处。,图像理解（image understanding,IU）,图像理解是研究用计算机系统解释图像,实现类似人类视觉系统理解外部世界的一门科学,所讨论的问题是为了完成某一任务需要从图像中获取哪些信息,以及如何利用这些信息获得必要的解释,图像理解的研究涉及和包含了研究获取图像的方法、装置和具体的应用实现。对图像理解的研究始于世纪年代初,研究初期以计算机视觉巧为载体,计算机视觉机器视觉简单的说就是研究用计算机来模拟人类视觉或灵长类动物视觉的一门科学,由图像数据来产生视野环境内有用符号描述的过程,主要研究内容包括图像的获取、图像处理、图像分析、图像识别,图像包括静态图像和动态图像视频,包括二维图像和立体图像计算机视觉的输入是数据,输出也是数据,是结构化或半结构化数据和符号。识别是传统计算机视觉的目的,即要得到图像中有什么这
