1、 数学

我们所说的图像处理实际上就是数字图像处理,是把真实世界中的连续三维随机信号投影到传感器的二维平面上,采样并量化后得到二维矩阵。数字图像处理就是二维矩阵的处理,而从二维图像中恢复出三维场景就是计算机视觉的主要任务之一。这里面就涉及到了图像处理所涉及到的三个重要属性:连续性,二维矩阵,随机性。所对应的数学知识是高等数学(微积分),线性代数(矩阵论),概率论和随机过程。这三门课也是考研数学的三个组成部分,构成了图像处理和计算机视觉最基础的数学基础。如果想要更进一步,就要到网上搜搜林达华推荐的数学书目了。

2、信号处理

图像处理其实就是二维和三维信号处理,而处理的信号又有一定的随机性,因此经典信号处理和随机信号处理都是图像处理和计算机视觉中必备的理论基础。

2.1经典信号处理

信号与系统(第2版) Alan V.Oppenheim等著 刘树棠译

离散时间信号处理(第2版) A.V.奥本海姆等著 刘树棠译

数字信号处理:理论算法与实现 胡广书 (编者)

2.2随机信号处理

现代信号处理 张贤达著

统计信号处理基础:估计与检测理论 Steven M.Kay等著 罗鹏飞等译

自适应滤波器原理(第4版) Simon Haykin著 郑宝玉等译

2.3 小波变换

信号处理的小波导引:稀疏方法(原书第3版) tephane Malla著, 戴道清等译

2.4 信息论

信息论基础(原书第2版) Thomas M.Cover等著 阮吉寿等译

3、模式识别

Pattern Recognition and Machine Learning Bishop, Christopher M. Springer

模式识别(英文版)(第4版) 西奥多里德斯著

Pattern Classification (2nd Edition) Richard O. Duda等著

Statistical Pattern Recognition, 3rd Edition Andrew R. Webb等著

模式识别(第3版) 张学工著

4、图像处理与计算机视觉的书籍推荐

图像处理,分析与机器视觉 第三版 Sonka等著 艾海舟等译

Image Processing, Analysis and Machine Vision
(附:这本书是图像处理与计算机视觉里面比较全的一本书了,几乎涵盖了图像视觉领域的各个方面。中文版的个人感觉也还可以,值得一看。)

数字图像处理 第三版 冈萨雷斯等著

Digital Image Processing

(附:数字图像处理永远的经典,对写英文论文也很有帮助,建议购买英文版的。)

计算机视觉:理论与算法 Richard Szeliski著

Computer Vision: Theory and Algorithm
附:微软的Szeliski写的一本最新的计算机视觉著作。内容非常丰富,尤其包括了作者的研究兴趣,比如一般的书里面都没有的Image Stitching和 Image Matting等。这也从另一个侧面说明这本书的通用性不如Sonka的那本。不过作者开放了这本书的电子版,可以有选择性的阅读。
http://szeliski.org/Book/Multiple View Geometry in Computer Vision 第二版Harley等著

计算机视觉:一种现代方法 DA Forsyth等著

Computer Vision: A Modern Approach

MIT的经典教材。虽然已经过去十年了,还是值得一读。期待第二版

Machine vision: theory, algorithms, practicalities 第三版 Davies著

数字图像处理 第四版 Pratt著

Digital Image Processing

5、深度学习书籍资源推荐

深度学习(Deep Learning)byIan Goodfellow and Yoshua Bengio and Aaron Courville

中文版下载地址:https://github.com/exacity/deeplearningbook-chinese

R语言深度学习实践指南(Deep Learning Made Easy with R)by Dr. N.D. Lewis

下载地址:http://download.csdn.net/detail/oscer2016/9829915

深度学习基础(Fundamentals of Deep Learning)by Nikhil Buduma

下载地址:http://www.taodocs.com/p-32598980.html

神经网络和统计学习(Neural networks and statistical learning) by K.-L. Du and M.N.s. Swamy

下载地址:http://download.csdn.net/detail/oscer2016/9829919

神经网络和深度学习(Neural Networks and Deep Learning) by Michael Niels

下载地址:http://download.csdn.net/download/newhotter/9651111

10本机器学习书籍资源推荐

机器学习、神经网络和统计分类(Machine Learning, Neural Networks, and Statistical Classification)by

D. Michie, D.J. Spiegelhalter, C.C. Taylor

下载地址:http://www1.maths.leeds.ac.uk/~charles/statlog/

贝叶斯推理和机器学习(Bayesian Reasoning and Machine Learning)by David Barber

下载地址:http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online

机器学习的高斯过程(Gaussian Processes for Machine Learning) by Carl Edward Rasmussen and Christopher K. I. Williams,The MIT Press

下载地址:http://www.gaussianprocess.org/gpml/

信息理论、推理和学习算法(Information Theory, Inference, and Learning Algorithms) by David J.C. MacKay

下载地址:http://www.inference.phy.cam.ac.uk/mackay/itprnn/book.html

统计学习元素(The Elements of Statistical Learning)by Trevor Hastie, Robert Tibshirani, Jerome Friedman

下载地址:http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf

机器学习课程(A Course in Machine Learning)by Hal Daumé III

下载地址:http://ciml.info/

机器学习导论(Introduction to Machine Learning)by Amnon Shashua,Cornell University

下载地址:https://arxiv.org/abs/0904.3664v1

强化学习(Reinforcement Learning)

下载地址:https://www.intechopen.com/books/reinforcement_learning

机器学习导论(Introduction to Machine Learning)- By Nils Nilsson

下载地址:http://ai.stanford.edu/~nilsson/mlbook.html

强化学习(Reinforcement Learning)- MIT Press

下载地址:http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的简书主页,欢迎访问

我的GitHub主页,欢迎访问

最后修改:2020 年 07 月 07 日
如果觉得我的文章对你有用,请随意赞赏