计算机视觉基础.pptx

计算机视觉基础;目录;1. 概述;相关研究领域;相关研究领域;计算机视觉;视觉是自然智能不可思议的技艺 猕猴的大脑皮层中视觉部分占据大约50% 人脑中有关视觉的部分所占比重最大;安全;1966: Minsky给本科生布置了一个计算机视觉的暑假作业 1960’s: 合成的虚拟世界的理解 1970’s: 图像理解方面的进步 1980’s: 几何和精度 1990’s: 人脸识别; 统计分析开始流行 2000’s: 更多的识别; 大规模标记数据集可用; 开始视频处理 ;计算机视觉的应用：OCR;计算机视觉的应用：人脸检测;计算机视觉的应用：笑脸检测;计算机视觉的应用：由成千上万的图像重建三维;计算机视觉的应用：物体识别 (超市中);计算机视觉的应用：基于视觉的生物测量;计算机视觉的应用：无密码登录;计算机视觉的应用：物体识别(手机上);黑客帝国;加勒比海盗;计算机视觉的应用：体育;计算机视觉的应用：智能汽车;计算机视觉的应用： Google汽车;计算机视觉的应用：太空视觉;计算机视觉的应用：工业机器人;计算机视觉的应用：机器人;计算机视觉的应用：医学成像;2. 成像模型;计算机视觉的相关研究领域;图像形成;针孔相机;针孔相机;暗箱: 相机前身;第一张照片;维度降低的机器（3D到2D）;投影的欺骗性 …;射影几何;长度没有被保留;射影几何;射影几何;消逝点和消逝线;消逝点和消逝线;消逝点和消逝线;消逝点和消逝线;投影：世界坐标?图像坐标;齐次坐标;齐次坐标;齐次坐标的基本几何学;齐次坐标解决的另一个问题;投影矩阵（针孔相机模型）;投影矩阵;移除“已知光心”的假设;移除“正方形像素”假设;移除“无倾斜”的假设;允许相机移动;点的三维旋转;允许相机旋转;自由度;消逝点 = 无穷远点的投影;正射投影;比例缩放的正射投影;视场(缩放);假设有两个三维的立方盒子放在地上，面朝观察者，一个近，一个远 透视图中它们看起来是什么样子？ 在弱透视中它们看起来又是什么样子？ ;针孔相机之外: 径向失真;3. 图像滤波;图像滤波;Image filtering;例：箱式滤波器;0;0;0;0;;;;0;箱式滤波器;箱式滤波的平滑效果;线性滤波器;线性滤波器;线性滤波器;线性滤波器;线性滤波器;线性滤波器;锐化;其他滤波器;其他滤波器;我们改怎样合成运动模糊？;高斯滤波器;高斯滤波器的平滑效果;高斯滤波器;高斯滤波器的可分离性;可分离性的例子;例: 混合图像;4. 边缘检测;边缘检测;为什么我们要关注边缘?;图像边缘的来源;边缘特写;边缘的特点;亮度轮廓线;带有少量高斯噪声;噪声的影响;解决方案: 先平滑; 计算如下:;平滑可去除噪声，但会模糊边缘 在不同尺度下检测到边缘;观察：沿着“脊”处的梯度幅值较大 我们该怎样检测到实际的边缘点？ 我们怎样将这些边缘点连接起来形成边缘曲线？;边缘检测器的设计;Canny边缘算子;例;高斯滤波器的导数;计算梯度 (DoG);每个像素的梯度方向;对每个方向进行非最大值压缩;非最大值压缩之前;非最大值压缩之后;滞后阈值化;Canny边缘检测结果;Canny边缘检测算子;?的影响 (高斯核的宽度);5. 特征检测与识别;特定识别任务;场景分类;图像标注;目标检测;图像解析;场景理解?;;类内变化;识别研究的历史;;对齐;识别—成为一个对齐问题：组块世界;对齐：Huttenlocher Ullman (1987);表示和识别物体类别是更难的...;通过部件进行识别;;识别研究的历史;;Eigenfaces (Turk Pentland, 1991);颜色直方图;全局表观模型的局限性;识别研究的历史;滑动窗口方法;识别研究的历史;物体识别的局部特征;大规模图像搜索结合局部特征、索引和空间约束;大规模图像搜索结合局部特征、索引和空间约束;大规模图像搜索结合局部特征、索引和空间约束;识别研究的历史;模型: 物体视作零件集合 零件间的相对位置 零件的表观特征;星座模型;Representing people;识别研究的历史;Object;识别研究的历史;数据驱动方法;数据驱动方法;D. Hoiem, A. Efros, and M. Herbert. Putting Objects in Perspective. CVPR 2006.;判别训练的基于零件的模型;6. 光流;光流的概念;运动和感知组织;运动和感知组织;运动的用途;运动场;光流;Lucas-Kanade光流算法;;例;多分辨注册;光流计算结果;光流计算结果;7. 极线几何与立体视觉;多视角;为什么要多视角?;为什么要多视角?;什么线索可以帮助我们感知三维形状和深度？;明暗差别（Shading）;聚焦/散焦;纹理;透视效果;运动;场景几何形状计算;立体摄影;;;根