1、2019-10-161/47谢谢你的关注谢谢你的关注2019-10-162/47谢谢你的关注谢谢你的关注2019-10-163/47谢谢你的关注谢谢你的关注2019-10-164/47谢谢你的关注谢谢你的关注2019-10-165/47谢谢你的关注谢谢你的关注2019-10-166/47谢谢你的关注谢谢你的关注2019-10-167/47谢谢你的关注谢谢你的关注2019-10-168/47谢谢你的关注谢谢你的关注2019-10-169/47谢谢你的关注谢谢你的关注2019-10-1610/47谢谢你的关注谢谢你的关注2019-10-1611/47谢谢你的关注谢谢你的关注2019-10-1612
2、/47谢谢你的关注谢谢你的关注2019-10-1613/47谢谢你的关注谢谢你的关注2019-10-1614/47谢谢你的关注谢谢你的关注2019-10-1615/47谢谢你的关注谢谢你的关注2019-10-16Integrated Performance Primitives)16/47谢谢你的关注谢谢你的关注2019-10-1617/47谢谢你的关注谢谢你的关注2019-10-16数字图象处理计算机视觉模式识别机器视觉计算机图形学线性代数集合论高级语言程序设计数据结构先后顺序重叠量反应相关程度基础知识计算机视觉专题（图象与视觉计算）高等代数最优化方法。信号与系统计算几何18/47谢谢你的关
3、注谢谢你的关注2019-10-1619/47谢谢你的关注谢谢你的关注2019-10-16Lambertian surface BDRF(bi-directional reflectance distribution fucntion)20/47谢谢你的关注谢谢你的关注2019-10-1621/47谢谢你的关注谢谢你的关注2019-10-16计算机视觉的信号处理层次低层视觉处理单图像：滤波/边缘检测/纹理多图像：几何/立体/从运动恢复仿射或透视结构 affine/perspective structure from motion中层视觉处理聚类分割/拟合线条、曲线、轮廓 clustering f
4、or segmentation,fitting line基于概率方法的聚类分割/拟合跟踪 tracking高层视觉处理匹配模式分类/关联模型识别 pattern classification/aspect graph recognition应用距离数据（range data）/图像数据检索/基于图像的绘制22/47谢谢你的关注谢谢你的关注2019-10-16计算机视觉的数学基础摄影几何、微分几何概率统计与随机过程数值计算与优化方法机器学习计算机视觉的基本的分析工具和数学模型Signal processing approach:FFT,filtering,wavelets,Subspace ap
5、proach:PCA,LDA,CCA,ICA,Bayesian inference approach:EM,Condensation/SIS/,MCMC,.Machine learning approach:SVM/RVM/Kernel machine,Boosting/Adaboost,NN/Regression,HMM,BN/DBN,Gibbs,MRF,23/47谢谢你的关注谢谢你的关注2019-10-16计算机视觉问题的特点高维数据的本质维数很低，使得模型化成为可能。High dimensional image/video data lie in a very low dimensional manifold.问题的不适定性 缺少约束的逆问题优化问题24/47谢谢你的关注谢谢你的关注2019-10-1625/47谢谢你的关注谢谢你的关注2019-10-1626/47谢谢你的关注谢谢你的关注2019-10-1627/47谢谢你的关注谢谢你的关注
