【book】A Systematic Introduction to Image Processing and Computer Vision

wrlkyle

VERY GALIVABLE

mscyc0909

- Year: 2006
- Page# : 396
- Clear
- Color Figures in contents

mscyc0909

It's worth reading.
Thank for sharing!

fileid

thanks

hugodarwin

good book

mscyc0909

Part I Human and Computer Vision
1 Neuronal Pathways of Vision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Optics and Visual Fields of the Eye . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Photoreceptors of the Retina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Ganglion Cells of the Retina and Receptive Fields . . . . . . . . . . . . . . 7
1.4 The Optic Chiasm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Lateral Geniculate Nucleus (LGN) . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 The Primary Visual Cortex. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Spatial Direction, Velocity, and Frequency Preference . . . . . . . . . . . 13
1.8 Face Recognition in Humans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1 Lens and Color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Retina and Color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Neuronal Operations and Color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 The 1931 CIE Chromaticity Diagram and Colorimetry . . . . . . . . . . 26
2.5 RGB: Red, Green, Blue Color Space . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6 HSB: Hue, Saturation, Brightness Color Space . . . . . . . . . . . . . . . . . 31
Part II Linear Tools of Vision
3 Discrete Images and Hilbert Spaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1 Vector Spaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Discrete Image Types, Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 Norms of Vectors and Distances Between Points . . . . . . . . . . . . . . . 40
3.4 Scalar Products . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Orthogonal Expansion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.6 Tensors as Hilbert Spaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.7 Schwartz Inequality, Angles and Similarity of Images . . . . . . . . . . . 53
4 Continuous Functions and Hilbert Spaces . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1 Functions as a Vector Space . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Addition and Scaling in Vector Spaces of Functions . . . . . . . . . . . . . 58
4.3 A Scalar Product for Vector Spaces of Functions . . . . . . . . . . . . . . . 59
4.4 Orthogonality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.5 Schwartz Inequality for Functions, Angles . . . . . . . . . . . . . . . . . . . . 60
5 Finite Extension or Periodic Functions—Fourier Coefficients . . . . . . . 61
5.1 The Finite Extension Functions Versus Periodic Functions . . . . . . . 61
5.2 Fourier Coefficients (FC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3 (Parseval–Plancherel) Conservation of the Scalar Product . . . . . . . . 65
5.4 Hermitian Symmetry of the Fourier Coefficients . . . . . . . . . . . . . . . . 67
6 Fourier Transform—Infinite Extension Functions . . . . . . . . . . . . . . . . . . 69
6.1 The Fourier Transform (FT). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2 Sampled Functions and the Fourier Transform . . . . . . . . . . . . . . . . . 72
6.3 Discrete Fourier Transform (DFT) . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4 Circular Topology of DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7 Properties of the Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.1 The Dirac Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.2 Conservation of the Scalar Product . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
7.3 Convolution, FT, and the δ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7.4 Convolution with Separable Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
7.5 Poisson Summation Formula, the Comb . . . . . . . . . . . . . . . . . . . . . . 95
7.6 Hermitian Symmetry of the FT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7.7 Correspondences Between FC, DFT, and FT . . . . . . . . . . . . . . . . . . . 99
8 Reconstruction and Approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.1 Characteristic and Interpolation Functions in N Dimensions . . . . . 103
8.2 Sampling Band-Preserving Linear Operators . . . . . . . . . . . . . . . . . . . 109
8.3 Sampling Band-Enlarging Operators . . . . . . . . . . . . . . . . . . . . . . . . . 114
9 Scales and Frequency Channels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
9.1 Spectral Effects of Down- and Up-Sampling . . . . . . . . . . . . . . . . . . . 119
9.2 The Gaussian as Interpolator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
9.3 Optimizing the Gaussian Interpolator . . . . . . . . . . . . . . . . . . . . . . . . . 127
9.4 Extending Gaussians to Higher Dimensions . . . . . . . . . . . . . . . . . . . 130
9.5 Gaussian and Laplacian Pyramids . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
9.6 Discrete Local Spectrum, Gabor Filters . . . . . . . . . . . . . . . . . . . . . . . 136
9.7 Design of Gabor Filters on Nonregular Grids . . . . . . . . . . . . . . . . . . 142
9.8 Face Recognition by Gabor Filters, an Application . . . . . . . . . . . . . . 146

mscyc0909

Part III Vision of Single Direction
10 Direction in 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
10.1 Linearly Symmetric Images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
10.2 Real and Complex Moments in 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
10.3 The Structure Tensor in 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
10.4 The Complex Representation of the Structure Tensor . . . . . . . . . . . . 168
10.5 Linear Symmetry Tensor: Directional Dominance . . . . . . . . . . . . . . 171
10.6 Balanced Direction Tensor: Directional Equilibrium . . . . . . . . . . . . 171
10.7 Decomposing the Complex Structure Tensor . . . . . . . . . . . . . . . . . . . 173
10.8 Decomposing the Real-Valued Structure Tensor . . . . . . . . . . . . . . . . 175
10.9 Conventional Corners and Balanced Directions . . . . . . . . . . . . . . . . . 176
10.10 The Total Least Squares Direction and Tensors . . . . . . . . . . . . . . . . . 177
10.11 Discrete Structure Tensor by Direct Tensor Sampling . . . . . . . . . . . 180
10.12 Application Examples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
10.13 Discrete Structure Tensor by Spectrum Sampling (Gabor) . . . . . . . . 187
10.14 Relationship of the Two Discrete Structure Tensors . . . . . . . . . . . . . 196
10.15 Hough Transform of Lines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
10.16 The Structure Tensor and the Hough Transform . . . . . . . . . . . . . . . . 202
10.17 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
11 Direction in Curvilinear Coordinates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
11.1 Curvilinear Coordinates by Harmonic Functions . . . . . . . . . . . . . . . 209
11.2 Lie Operators and Coordinate Transformations . . . . . . . . . . . . . . . . . 213
11.3 The Generalized Structure Tensor (GST) . . . . . . . . . . . . . . . . . . . . . . 215
11.4 Discrete Approximation of GST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
11.5 The Generalized Hough Transform (GHT) . . . . . . . . . . . . . . . . . . . . 224
11.6 Voting in GST and GHT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
11.7 Harmonic Monomials . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
11.8 “Steerability” of Harmonic Monomials . . . . . . . . . . . . . . . . . . . . . . . 230
11.9 Symmetry Derivatives and Gaussians . . . . . . . . . . . . . . . . . . . . . . . . . 231
11.10 Discrete GST for Harmonic Monomials . . . . . . . . . . . . . . . . . . . . . . . 233
11.11 Examples of GST Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
11.12 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
11.13 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
12 Direction in ND, Motion as Direction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
12.1 The Direction of Hyperplanes and the Inertia Tensor . . . . . . . . . . . . 245
12.2 The Direction of Lines and the Structure Tensor . . . . . . . . . . . . . . . . 249
12.3 The Decomposition of the Structure Tensor . . . . . . . . . . . . . . . . . . . . 252
12.4 Basic Concepts of Image Motion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
12.5 Translating Lines. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
12.6 Translating Points . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
12.7 Discrete Structure Tensor by Tensor Sampling in ND . . . . . . . . . . . 263
12.8 Affine Motion by the Structure Tensor in 7D. . . . . . . . . . . . . . . . . . . 267
12.9 Motion Estimation by Differentials in Two Frames . . . . . . . . . . . . . 270
12.10 Motion Estimation by Spatial Correlation . . . . . . . . . . . . . . . . . . . . . 272
12.11 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
12.12 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
13 World Geometry by Direction in N Dimensions . . . . . . . . . . . . . . . . . . . 277
13.1 Camera Coordinates and Intrinsic Parameters . . . . . . . . . . . . . . . . . . 277
13.2 World Coordinates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
13.3 Intrinsic and Extrinsic Matrices by Correspondence . . . . . . . . . . . . . 287
13.4 Reconstructing 3D by Stereo, Triangulation . . . . . . . . . . . . . . . . . . . 293
13.5 Searching for Corresponding Points in Stereo . . . . . . . . . . . . . . . . . . 300
13.6 The Fundamental Matrix by Correspondence . . . . . . . . . . . . . . . . . . 305
13.7 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
13.8 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Part IV Vision of Multiple Directions
14 Group Direction and N-Folded Symmetry . . . . . . . . . . . . . . . . . . . . . . . . 311
14.1 Group Direction of Repeating Line Patterns . . . . . . . . . . . . . . . . . . . 311
14.2 Test Images by Logarithmic Spirals . . . . . . . . . . . . . . . . . . . . . . . . . . 314
14.3 Group Direction Tensor by Complex Moments . . . . . . . . . . . . . . . . . 315
14.4 Group Direction and the Power Spectrum . . . . . . . . . . . . . . . . . . . . . 318
14.5 Discrete Group Direction Tensor by Tensor Sampling . . . . . . . . . . . 320
14.6 Group Direction Tensors as Texture Features . . . . . . . . . . . . . . . . . . 324
14.7 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
Part V Grouping, Segmentation, and Region Description
15 Reducing the Dimension of Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
15.1 Principal Component Analysis (PCA) . . . . . . . . . . . . . . . . . . . . . . . . 329
15.2 PCA for Rare Observations in Large Dimensions . . . . . . . . . . . . . . . 335
15.3 Singular Value Decomposition (SVD) . . . . . . . . . . . . . . . . . . . . . . . . 338
16 Grouping and Unsupervised Region Segregation . . . . . . . . . . . . . . . . . . . 341
16.1 The Uncertainty Principle and Segmentation . . . . . . . . . . . . . . . . . . . 341
16.2 Pyramid Building . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
16.3 Clustering Image Features—Perceptual Grouping . . . . . . . . . . . . . . 345
16.4 Fuzzy C-Means Clustering Algorithm . . . . . . . . . . . . . . . . . . . . . . . . 347
16.5 Establishing the Spatial Continuity . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
16.6 Boundary Refinement by Oriented Butterfly Filters . . . . . . . . . . . . . 351
16.7 Texture Grouping and Boundary Estimation Integration . . . . . . . . . 354
16.8 Further Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
17 Region and Boundary Descriptors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
17.1 Morphological Filtering of Regions . . . . . . . . . . . . . . . . . . . . . . . . . . 359
17.2 Connected Component Labelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
17.3 Elementary Shape Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
17.4 Moment-Based Description of Shape . . . . . . . . . . . . . . . . . . . . . . . . . 368
17.5 Fourier Descriptors and Shape of a Region . . . . . . . . . . . . . . . . . . . . 371
18 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391

richyrichy

Good book; thanks.

阿莘

谢谢，顶啦！

gyp45

Good Book!Thanks