Vor Ort
Merkzettel Warenkorb
  • Produktbild: Object Recognition
  • Produktbild: Object Recognition

Object Recognition Fundamentals and Case Studies

Aus der Reihe Advances in Computer Vision and Pattern Recognition

239,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

12.12.2001

Abbildungen

XIII, 133 schwarzweisse Abbildungen

Verlag

Springer London

Seitenzahl

350

Maße (L/B/H)

24,3/16,2/2,7 cm

Gewicht

752 g

Auflage

2002

Sprache

Englisch

ISBN

978-1-85233-398-0

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

12.12.2001

Abbildungen

XIII, 133 schwarzweisse Abbildungen

Verlag

Springer London

Seitenzahl

350

Maße (L/B/H)

24,3/16,2/2,7 cm

Gewicht

752 g

Auflage

2002

Sprache

Englisch

ISBN

978-1-85233-398-0

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Object Recognition
  • Produktbild: Object Recognition
  • A — Introduction and Acquisition Systems.- 1. Introduction.- 1.1 What Is Computer Vision?.- 1.2 Background and History.- 1.3 Classification of Existing Vision Systems.- 1.3.1 Marr’s Theory.- 1.3.2 Model-based Object Recognition.- 1.4 Problem Formulation.- 1.4.1 Mathematical Formulation.- 1.5 Why Is Automatic Object Recognition a Difficult Problem?.- 1.6 Motivations and Significance.- 1.6.1 Industry.- 1.6.2 Community.- 1.7 A 2-D System or a 3-D System?.- 1.8 Specifications / Themes of Interest in Object Recognition.- 1.9 Acquisition Systems.- 1.9.1 Intensity Images.- 1.9.2 Range Imaging Technologies.- 1.9.3 Miscellaneous Modalities.- 1.10 Taxonomy.- 2. Stereo Matching and Reconstruction of a Depth Map.- 2.1 Fundamentals of Stereo Vision.- 2.1.1 Stereo Vision Paradigm.- 2.1.2 Image Matching.- 2.1.3 Matching Problems.- 2.2 Review of Existing Techniques.- 2.3 Area-based Techniques.- 2.3.1 Simple Matching Measures.- 2.3.2 Validation Techniques.- 2.3.3 Hierarchical Methods.- 2.3.4 Adaptive Window Techniques.- 2.3.5 Sparse Point Matching.- 2.3.6 Dense Matching.- 2.3.7 Symmetric Multi-Window Technique.- 2.3.8 Unmanned Ground Vehicle Implementation.- 2.3.9 Multiple Baseline Techniques.- 2.3.10 Least Squares Matching.- 2.4 Transform-based Techniques.- 2.4.1 Sign Representation.- 2.4.2 Non-parametric Techniques.- 2.5 Symbolic Feature-based Techniques.- 2.5.1 Zero Crossing Matching.- 2.5.2 Edge Matching.- 2.5.3 Patch Matching.- 2.5.4 Relational Matching.- 2.6 Hybrid Techniques.- 2.6.1 Cross Correlation Combined with Edge Information.- 2.7 Phase-based Techniques.- 2.8 Combining Independent Measurements.- 2.9 Relaxation Techniques.- 2.9.1 Cooperative Algorithm.- 2.9.2 Relaxation Labelling.- 2.10 Dynamic Programming.- 2.10.1 Viterbi Algorithm.- 2.10.2 Intra- and Inter-Scanline Search.- 2.10.3 Disparity Space Image.- 2.11 Object Space Techniques.- 2.11.1 Combining Matching and Surface Reconstruction.- 2.11.2 Object Space Models.- 2.12 Existing Matching Constraints and Diagnostics.- 2.12.1 Matching Constraints.- 2.12.2 Matching Diagnostics.- 2.12.3 Discussion.- 2.13 Conclusions.- A — Summary.- B — Database Creation and Modelling for 3-D Object Recognition.- 3. 3-D Object Creation for Recognition.- 3.1 Preliminaries of 3-D Registration.- 3.2 Registration Paradigm.- 3.2.1 General Specifications.- 3.3 Chronological Literature Review.- 3.4 Fundamental Techniques.- 3.4.1 Registration with Point Correspondences.- 3.4.2 Registration Without Correspondences.- 3.5 Uncertainty in 3-D Registration.- 3.5.1 Weighted Correspondences.- 3.5.2 A Better Approach.- 3.6 Simultaneous Multiple View Registration.- 3.6.1 Simple Approaches.- 3.6.2 Rigid Body Modelling.- 3.6.3 Multiple View Chen and Medioni.- 3.7 View Integration and Surface Reconstruction.- 3.7.1 Integration versus Reconstruction.- 3.7.2 Volumetric Integration Methods.- 3.7.3 Volumetric Reconstruction.- 3.7.4 Geometric Integration Methods.- 3.7.5 Geometric Reconstruction.- 3.8 Registration — Case Study.- 3.8.1 Notation and Terminology.- 3.8.2 Problem Reformulation.- 3.8.3 Iterative Algorithm to Solve for R.- 3.8.4 Results.- 3.8.5 Conclusions.- 3.9 Surface Reconstruction Summary.- 4. Object Representation and Feature Matching.- 4.1 Preliminaries.- 4.2 Object-centred Representations.- 4.2.1 Boundary and Curve-based Representations.- 4.2.2 Axial Descriptions.- 4.2.3 Surface Descriptions.- 4.2.4 Volumetric Descriptions.- 4.3 Viewer-centred Representations.- 4.3.1 Aspect Graphs.- 4.3.2 Silhouettes.- 4.3.3 Principal Component Analysis.- 4.3.4 Miscellaneous Techniques.- 4.4 Representation Conclusions.- 4.5 Matching.- 4.5.1 Hypothesise and Test.- 4.5.2 Relational Structures.- 4.5.3 Pose Clustering.- 4.5.4 Geometric Hashing.- 4.5.5 Interpretation Trees.- 4.5.6 Registration and Distance Transforms.- 4.6 Matching Conclusions.- B — Summary.- C — Vision Systems — Case Studies.- 5. Optical Character Recognition.- 5.1 Examples of Existing Systems.- 5.1.1 Prototype Extraction and Adaptive OCR.- 5.1.2 Direct Grayscale Extraction of Features for Character Recognition.- 5.2 Optical Character Recognition System for Cursive Scripts — A Case Study.- 5.2.1 Background.- 5.2.2 An Overview of the Case Study System.- 5.2.3 The Document Image Analysis Step.- 5.2.4 The Recognition-based Segmentation Step.- 5.2.5 The Feature Extraction Stage.- 5.2.6 Results.- 5.2.7 Conclusions.- 6. Recognition by Parts and Part Segmentation Techniques.- 6.1 Examples of Existing Vision Systems.- 6.1.1 HYPER.- 6.1.2 The Logarithmic Complexity Matching Technique.- 6.2 Recognition by Parts and Part Segmentation — A Case Study.- 6.2.1 The Edge Detection Stage.- 6.2.2 The Part Segmentation Stage.- 6.2.3 Part Isolation.- 6.2.4 The Part Identification Stage.- 6.2.5 The Structural Description and Recognition Stage.- 6.2.6 Results.- 6.2.7 Discussion.- 6.2.8 Conclusions.- 7. 3-D Object Recognition Systems.- 7.1 Examples of Existing Systems.- 7.1.1 ACRONYM.- 7.1.2 SCERPO.- 7.1.3 3DPO.- 7.1.4 PREMIO.- 7.1.5 Recognition of MSTAR Targets.- 7.1.6 Bayesian Recognition by Parts in FLIR.- 7.2 3-D Free-form Object Recognition Using Bayesian Splines A Case Study.- 7.2.1 Preliminaries.- 7.2.2 Bayesian Formulation.- 7.2.3 The RJMCMC Algorithm for Splines.- 7.2.4 Simulated Annealing RJMCMC.- 7.2.5 Matching Splines.- 7.2.6 Results.- 7.2.7 Conclusions.- C — Summary.- Appendices.- A. Vector and Matrix Analysis.- A.1 Preliminaries.- A.1.1 Determinant.- A.1.2 Inversion.- A.2 Derivatives and Integrals of Matrices.- A.3 Vectors and Vector Analysis.- A.4 Eigenvalues and Eigenvectors.- A.5 Quadratic Forms.- B. Principal Component Analysis.- C. Optimisation Fundamentals.- C.1 Fundamental Concepts.- C.2 Linear Least Squares.- C.3 Non-linear Optimisation.- C.4 Direct Search Techniques.- C.4.1 Simplex Method.- C.5 Gradient Methods.- C.5.1 Newton-Raphson Technique.- C.5.2 Davidon-Fletcher-Powell.- C.6 Simulated Annealing.- D. Differential Geometry — Basic Principles.- E. Spline Theory.- E.1 Spline Definitions.- F. Detailed Derivation of Registration Equations.- References.