《计算机视觉中的多视图几何（原书第2版）》是专著《Multiple View Geometry in Conputer Vision（Second Edition）》的中译本。给定多幅未标定视图，此书给出由图像点对应估计多焦点张量（特别是基本矩阵和三焦点张量）和由这些张量恢复摄像机矩阵并实现射影重构的理论和算法（第二版提供了更有效的搜索和匹配算法）。作者提供了综合性的背景材料，读者只要熟悉线性代数和基本的数值方法就能够理解书中给出的射影几何和算法，并能直接依据《计算机视觉中的多视图几何（原书第2版）》来实现有关算法。 《计算机视觉中的多视图几何（原书第2版）》可作为研究生教材，可供从事计算机视觉的科研人员参考。

《计算机视觉中的多视图几何（原书第2版）》是专著《Multiple View Geometry in Conputer Vision（Second Edition）》的中译本。给定多幅未标定视图，此书给出由图像点对应估计多焦点张量（特别是基本矩阵和三焦点张量）和由这些张量恢复摄像机矩阵并实现射影重构的理论和算法（第二版提供了更有效的搜索和匹配算法）。作者提供了综合性的背景材料，读者只要熟悉线性代数和基本的数值方法就能够理解书中给出的射影几何和算法，并能直接依据《计算机视觉中的多视图几何（原书第2版）》来实现有关算法。 《计算机视觉中的多视图几何（原书第2版）》可作为研究生教材，可供从事计算机视觉的科研人员参考。

计算机视觉是目前研究最为活跃的领域之一，很多新的技术和方法在计算机视觉中得到了成功的应用。本书以计算机视觉相关技术和模型为主线，讨论当前这个领域的传统技术和方法。全书共分9章。第1章介绍了人类视觉系统及其计算模型、JND模型和显著性模型。第2章介绍了图像的基本表示，以及底层特征，包括边缘、角点、几何形状的检测。第3章介绍了基本的色度学及颜色模型，并对图像形成过程进行了详细介绍。随后介绍了齐次坐标及坐标变换相关的知识，最后介绍了相机位置、方向和姿态估计。后几章分别对运动场与光流相关的基础和算法、应用进行了论述。第4章介绍了从图像序列中估计2D和3D运动。第5章介绍了差分运动分析及基于核函数的视觉跟踪。第6章介绍了蒙特卡洛罗运动分析。第7章介绍了铰链运动分析及人体姿态估计。第8章介绍了多目标跟踪算法。计算机视觉相关技术在实际生活中有着广泛的应用，并在最近几年取得巨大进展，尤其是深度学习技术的发展使更多人对计算机视觉领域产生了兴趣。本书可供计算机科学与技术、软件工程、多媒体处理和信号处理等领域中关注计算机视觉、图像处理、模式识别及其应用的工程技术人员和科研教学人员阅读，也可以作为研究生和大学高年级学生学习的教材和参考书。

本书系统地介绍了计算机视觉的基本原理、典型方法和实用技术，内容包括图像采集、图像预处理、基元检测、目标分割、目标表达和描述、纹理特性分析、形状特性分析、立体视觉、三维景物恢复、运动特性分析、景物识别、广义匹配、时空行为了解、场景解释及计算机视觉系统。读者可从中了解计算机视觉的基本原理和典型技术，并能据此解决计算机视觉应用中的一些具体问题。本书提供了许多讲解例题，每章均有要点小结、参考文献介绍和练习题（为部分练习题提供了解答）。本书可作为信息科学、计算机科学、计算机应用、信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统等学科大学本科或研究生的专业基础课教材，也可作为远程教育或继续教育中计算机应用、电子技术等专业的研究生课程教材，还可供涉及计算机视觉技术应用行业（如工业自动化、人机交互、办公自动化、视觉导航和机器人、安全监控、生物医学、遥感测绘、智能交通和军事公安等）的科技工作者自学及科研参考。

本书是计算机视觉编程的权威实践指南，通过Python语言讲解了基础理论与算法，并通过大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、3D重建、立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。另外，书中附带的练习还能让读者巩固并学会应用编程知识。本书适合的读者是：有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的学生，以及计算机科学、信号处理、物理学、应用数学和统计学、神经生理学、认知科学等领域的研究人员和从业者。

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。

《计算机视觉中的数学方法》由射影几何、矩阵与张量、模型估计3篇组成，它们是三维计算机视觉所涉及的基本数学理论与方法。射影几何学是三维计算机视觉的数学基础，《计算机视觉中的数学方法》着重介绍射影几何学及其在视觉中的应用，主要内容包括：平面与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。矩阵与张量是描述和解决三维计算机视觉问题的必要数学工具，《计算机视觉中的数学方法》着重介绍与视觉有关的矩阵和张量理论及其应用，主要内容包括：矩阵分解，矩阵分析，张量代数，运动与结构，多视点张量。模型估计是三维计算机视觉的基本问题，通常涉及变换或某种数学量的估计，《计算机视觉中的数学方法》着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。

《计算机视觉中的数学方法》由射影几何、矩阵与张量、模型估计3篇组成，它们是三维计算机视觉所涉及的基本数学理论与方法。射影几何学是三维计算机视觉的数学基础，《计算机视觉中的数学方法》着重介绍射影几何学及其在视觉中的应用，主要内容包括：平面与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。矩阵与张量是描述和解决三维计算机视觉问题的必要数学工具，《计算机视觉中的数学方法》着重介绍与视觉有关的矩阵和张量理论及其应用，主要内容包括：矩阵分解，矩阵分析，张量代数，运动与结构，多视点张量。模型估计是三维计算机视觉的基本问题，通常涉及变换或某种数学量的估计，《计算机视觉中的数学方法》着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。

本书主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通过本书，读者能够了解深度学习在计算机视觉各个方向的应用以及最新进展。本书的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感兴趣的爱好者使用。