課程內(nèi)容：

本課程將廣泛介紹計算機視覺和圖像解讀。介紹計算機視覺的基本概念和算法工具。探討圖像解讀中建模和表示的重要性。了解圖像解讀系統(tǒng)中涉及的處理組件的范圍。

課程大綱：

計算機視覺的工具和算法是在視覺系統(tǒng)所需的兩項主要功能背景下引入的：識別——在圖像中尋找和識別預(yù)期的事物；3D解釋——從2D圖像或圖像序列中理解動態(tài)3D場景。這些功能是通過應(yīng)用不同復(fù)雜程度的應(yīng)用程序來探索的：識別人造物體、解釋醫(yī)學圖像、人臉識別、機器人、場景重建和監(jiān)控。

課程主要包含以下內(nèi)容：

? 簡介：

- 計算機視覺的作用、應(yīng)用、成就、研究問題；其與自然視覺的關(guān)系、基本圖像屬性。

- 圖像解讀：在圖像中尋找事物。

? 范例

- 人臉識別、醫(yī)學圖像分析、識別人造物體。

- 預(yù)期圖像內(nèi)容的知識表示。

- 將模型與圖像數(shù)據(jù)匹配。

- 簡單的隱式模型：閾值、邊緣查找、組織機制。數(shù)學形態(tài)學。

- 霍夫變換、模板匹配（相關(guān)性）、主動輪廓模型（蛇形）。

- 多分辨率方法、基于特征的模型、邊緣、角、物體識別。

- 靈活模板、搜索、約束模型擬合、統(tǒng)計模型、描述自然變化、主動形狀模型、識別、分類。

? 超越二維：三維和運動

- 機器人視覺、場景重建、監(jiān)控。

- 立體視覺：恢復(fù)深度、對應(yīng)問題、立體約束。

- 運動：跟蹤、圖像差異、特征匹配模型、光流。

學習成果：

通過本課程的學習，學生將能夠：

1、將圖像分割描述為聚類問題，并能夠比較用于分割圖像的不同聚類算法。

2、描述圖像中的興趣點和局部特征，比較不同局部特征的優(yōu)缺點，并應(yīng)用其解決物體識別、圖像檢索和基于立體的場景重建問題。

3、描述和比較基于模型的物體識別算法，分析基于模型的物體識別算法和基于圖像的物體識別算法的優(yōu)缺點。

4、描述立體視覺的基本步驟，分析稀疏和密集立體視覺匹配算法之間的差異，并應(yīng)用其解決基于立體的場景重建問題。

5、描述剛性及非剛性圖像配準算法的基本步驟，并分析其在生物醫(yī)學圖像應(yīng)用中的使用。