计算机科学丛书：机器视觉教程（附光盘）

　　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

　　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。