GB/T 41864-2022 信息技术 计算机视觉 术语（正式版）

ICS35.240.01GB/T41864—2022信息技术计算机视觉术语国家市场监督管理总局国家标准化管理委员会I Ⅲ 12规范性引用文件 13术语和定义 13.1图像表示类 13.2图像获取类 2 43.4图像分割类 3.5图像理解类 3.6视频理解类 3.7三维计算机视觉类 3.8计算摄像学类 3.9性能评价类 3.10应用相关类 ⅢGB/T41864—2022本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由全国信息技术标准化技术委员会(SAC/TC28)提出并归口。滨工程大学、中国科学院信息工程研究所、中国石油大学(华东)、郑州大学、北京百度网讯科技有限公工程研究所、山东省计算中心(国家超级计算济南中心)、上海依图网络科技有限公司、杭州海康威视数字技术股份有限公司、小米通讯技术有限公司、北京电信规划设计院有限公司、深圳云天励飞技术股份阵元技术(深圳)有限公司、北京三快在线科技有限公司(美团)、北京佰才邦技术有限公司、华夏芯(北京)通用处理器技术有限公司、云从科技集团股份有限公司、重庆邮电大学、北京眼神科技有限公司、之江实验室、苏州中德宏泰电子科技股份有限公司、曙光信息产业股份有限公司、北京字节跳动网络技术有限公司、郑州金惠计算机系统工程有限公司。1GB/T41864—2022信息技术计算机视觉术语本文件界定了计算机视觉领域中常用的术语和定义。本文件适用于计算机视觉概念的理解和信息交流。2规范性引用文件本文件没有规范性引用文件。3术语和定义3.1.1一种采用多通道分量表示可见光波段光谱信息的图像。3.1.2一种采用多通道分量表示相应波长的光谱信息的图像。注：如果多光谱图像表达的光谱信息对应波长均处于可见光波段，则为彩色3.1.3多视图multipleview一组从不同方位拍摄的同一场景的图像。3.1.4二值图像binaryimage一种采用单通道二值分量表示的图像。3.1.5一种具有更大曝光动态范围(即更大的明暗差别)的图像。3.1.6灰度grayscale注：灰度通常从最暗(黑色，灰度为0)到最亮(白色，灰度为最大值),通常将灰度划分为256个等级，其中0代表最暗等级，255代表最亮等级。3.1.7灰度图像grayscaleimage一种采用单通道分量表示的图像。2GB/T41864—20223.1.8一种通过多幅图像拼接获取的图像。3.1.9波动不可预测的图像噪声。3.1.10一种客观世界视觉信息的静态可视化表示。3.1.113.1.12颜色模型colormodel一种利用基本颜色元素表示颜色的数学模型。3.1.13颜色空间colorspace一种利用颜色模型的基本元素张成的颜色表达空间。3.1.14随机出现于图像中的亮度或色度干扰。3.1.15噪声分布noisedistribution一种描述图像中的噪声统计特性的方法。3.1.16周期噪声periodicnoise一种存在于图像中的具有空间周期特性的噪声。3.2.1产生高分辨率目标图像的雷达系统。3GB/T41864—2022注1:光学超分辨成像方法突破了光学成像系统的衍射极限。注2:几何超分辨成像方法着眼于增强数字传感器的分辨率。多光谱相机multi-spectralcamera高光谱相机hyper-spectralcamera一种获取场景图像中多个波长(段)的光谱信息的相机。飞行时间成像timeofflightimaging广)的一组技术。注1:目的是准确表示各种强度级别，例如在外部场景中受阳光直射的浅色物品和深色阴影区域。注2:通常利用从不同曝光范围照片中生成的方法来获取高动态范围图像。一种通过在不同光照条件下观察物体来估计物体表面法线的技术。光台lightstage光场相机lightfieldcamera一种通过向场景主动投射特定红外结构光并利用摄像头采集信息来获取物体的位置和深度的相机。立体相机stereocamera一种利用两个或多个独立成像的镜头，同步采集一种利用可以逐渐变化的媒体(如胶片和摄影板)记录光学影像的相机。4GB/T41864—20223.2.12一种利用偏振传感器来获取每个图像像素的强度和偏振角度的相机。3.2.13数字相机digitalcamera使用芯片阵列图像传感器检测图像的设备，例如感光耦合元件(CCD)或互补式金属氧化物半导体(CMOS),其将视觉图像转换为电信号。3.2.14一种记录每个像素点在三维物理场景中对应点到相机镜头距离的相机。注：常见的深度相机成像方法包括结构光成像、飞行时间成像等。3.2.15注1:矩形网状结构中所形成的微小方格称为像素点。注2:采样图像是矩形网状结构中有限个像素点构成的集合，其分辨率由像素点个数的多少决定。3.2.16相机模型cameramodel将物理空间中的对象投影到图像空间的映射方法。3.2.17线阵相机linescancamera一种用于超长或者连续目标物无缝拍摄的逐行进行精确扫描的相机。3.2.18一种利用位于不同空间位置的多个相机来采集不同视角图像的相机。3.3.1.1仿射变换affinetransformation一种保持图像中直线和直线比例的图像几何变换方法。3.3.1.2一种对图像进行旋转和平移的图像变换方法。注：刚体变换保持点与点之间的欧氏距离不变。5GB/T41864—20223.3.1.3几何变换geometricaltransformation一种改变像素空间位置的图像变换方法。3.3.1.4一种基于平面内的点或直线对称改变像素位置的图像变换方法。3.3.1.5投影变换projectivetran一种在齐次坐标系下对图像进行线性变换的几何变换方法。3.3.1.63.3.1.7一种通过单张或多张低分辨率图像构建高分辨率图像的方法。3.3.1.8一种对数字图像按所需的像素位置或像素间距离进行重新采样以构成新的分辨率图像的过程。3.3.1.9一种利用图像已知像素点的灰度(或颜色)产生未知像素点的灰度(或颜色)改变图像分辨率的方法。注2:双线性插值由源图像中水平和垂直方向邻近像素点的灰度(彩色)值进行一次线性插值来计算目标图像中相注3:最近邻插值通过将目标图像像素点的灰度(颜色)值设置为源图像中与其空间距离最近像素点的灰度(颜注4:双立法插值由源图像中水平和垂直方向邻近像素点的灰度(彩色)值进行三次多项式插值来计算目标图像中相应像素点灰度(颜色)值。3.3.2.1一种通过灰度映射来改变图像灰度值的图像增强方法。6GB/T41864—20223.3.2.2方法。3.3.2.33.3.2.43.3.2.53.3.2.6注：图像频域增强的基本步骤是：将图像从空间域变换到频域，在频域对图像进行处理，将处理后的图像从频域变换到空间域。3.3.2.73.3.2.83.3.2.9注1:同态滤波可以用来去除图像中的乘性噪声。注2:同态滤波可以通过在频域中减少低频分量增加高频分量从而实现压缩动态范围且增加对比度的效果。注3:同态滤波可以用来抑制图像中的光照变化。3.3.2.103.3.2.117GB/T41864—20223.3.2.12一种增强(或提取)图像的边缘或轮廓的图像增强方法。注1:常见的锐化方法包括空间域锐化和频域锐化。3.3.2.13任何基于主观观察和偏好设计的改善图像质量的过程。3.3.2.14一种描述图像相邻像素点灰度变化的特征量。注：图像梯度包括梯度幅度和梯度方向。梯度变化常指梯度幅度变化。3.3.2.153.3.2.163.3.2.17图像相关系数imagecorrelationcoefficient一种反映了两图像之间相关程度的系数。注：数值越大表明两幅图像之间的相关性越高。3.3.2.18一种将原始灰度图像中灰度值(或灰度范围)映射成相应的颜色分量而获取彩色图像的图像增强方法。注：常见的伪彩色增强方法有灰度切割法[将特定灰度值(或灰度范围)人为设定为相应颜色生成伪彩色]、灰度-彩色映射法(设计灰度到不同颜色分量的映射曲线生成伪彩色图像)。3.3.2.19一种将滤波器模板在图像平面内滑动，并用滤波器模板系数对相应位置的图像像素点灰度(彩色)值进行加权并求和的图像空间运算增强方法。3.3.2.20直方图histogram图像中色调分布的图形表示。[来源：ISO17215-1:2014,3.1.4,有修改]8GB/T41864—20223.3.2.21注：直方图均衡能够根据原始图像中的灰度分布概率，自适应地将原始图像中分布概率高的灰度值扩展，分布概率低的灰度值压缩。3.3.2.223.3.2.23强方法。3.3.2.24强方法。3.3.2.25强方法。3.3.3.13.3.3.23.3.3.3逆滤波inversefiltering3.3.3.43.3.3.59GB/T41864—20223.3.3.6图像去模糊imagedeblurring3.3.3.73.3.3.8在满足一定质量(信噪比的要求或主观评价得分)的条件下，以较少比特(字节)数表示图像或图像注：常见的图像压缩编码包括无损压缩编码(从压缩后的数据可以完全恢复原始图像，信息没有损失)、有损压缩编码(从压缩后的数据无法完全恢复原始图像，信息有一定损失)。3.3.3.9注2:评估一幅图像在采集、压缩、处理、传输及显示等过程中产生的图像和原图像相比质量的差异，通常包括无参3.3.3.10图像采集过程中由于传感器、光学系统和数字相机内部图像处理器等导致的获取图像与所拍摄真实场景的偏差。3.3.3.11图像的图像复原方法。3.3.4.1边缘检测edgedetection判别图像中的灰度(或颜色)突变(或不连续)像素点并形成像素点集合的过程。3.3.4.2用于边缘检测的函数空间变换方法。3.3.4.3图像中具有局部像素灰度值显著变化或不连续的像素点集合。注：边缘通常发生在图像中两个不同区域的边界处。3.3.4.4注1:阈值分割方法对于目标和背景对比度较大的图像特别有效。注：分水岭算法的基本思想是把图像看成测地学上的拓扑地貌，图像中每个像素点的灰度值表示该点的海拔高根据同一物体区域内像素的相似性质来聚集像素点以实现图像分割。GB/T41864—20223.4.10区域分裂合并regionsplittingandmerg一种将分裂和合并操作结合的区域分割方法。注：先把图像分成若干互不重叠的区域，如果某个区域满足分裂条件则将其分裂为若干区域，如果多个相邻区域满足合并条件则将其合并，持续以上过程直到所有区域都不需要进一步的分裂和合并即终止。3.4.11将图像中的前景对象从图像中分离出来。3.4.12将图像分解成若干个各向同性区域。注1:图像分割得到的每个区域由若干像素组成。注2:各向同性指颜色、纹理等底层图像特征的一致性。注3:图像分割是图像内容分析与理解的关键环节。3.5.1.1词袋特征bagofwordsfeature一种将量化后的特征组织为无序集合(词袋)的图像特征。3.5.1.2层次特征hierarchicalfeature一种综合利用图像/视频不同层级特征进行表达的图像特征。3.5.1.3不同尺度图像组成的集合。3.5.1.4尺度不变特征转换scaleinvariantfeaturetransform注：尺度不变特征转换的特征提取过程包括以下步骤：1)构造不同分辨率尺度空间；2)尺度空间的极值检测；3)特3.5.1.5一种描述图像或图像区域内各离散梯度方向上梯度强度分布的图像特征。3.5.1.6一类表达图像宏观属性的全局特征。GB/T41864—20223.5.1.73.5.1.83.5.1.93.5.1.103.5.1.113.5.1.123.5.1.133.5.1.143.5.1.15纹理特征texturefeature3.5.1.163.5.1.173.5.1.18注2:主颜色特征利用图像感兴趣区域中占支配地位颜色信息进行描述。注3:颜色矩利用颜色中心距对图像颜色分布进行描述。注4:颜色直方图描述不同颜色在图像中所占的比例。3.5.2.13.5.2.23.5.2.3注：重排序通常为了提升检索结果的平均准确率。3.5.2.43.5.2.53.5.2.63.5.2.73.5.2.83.5.2.9注：通常将某一单词的词频和逆文档频率相乘，用来判断该单词对于图像内容的描述能力3.5.2.10注1:受启发于文本中的单词概念。GB/T41864—20223.5.2.113.5.2.123.5.2.133.5.2.143.5.2.153.5.3.13.5.3.23.5.3.33.5.3.43.5.3.53.5.3.63.5.3.7标记图像中每个像素所属的物体实例。GB/T41864—20223.5.3.8图像分类imageclassification3.5.3.9识别图像中对象所属的子类别。3.5.3.10显著性对象检测salientobjectdetection确定图像中容易引起视觉关注的对象。3.5.3.11给图像中每个像素赋予一个所属对象类别的标签。将图像分成若干部分，每一部分属于某一类型3.5.3.123.5.4.13.5.4.23.5.4.3视觉关系检测visualrelationshipdetection判断图像中两个特定对象之间的关系。3.5.4.4识别图像中的关键对象所表达的意图。注：意图识别可以帮助机器根据视觉场景中人的意向做出恰当的反馈。3.5.4.5图像标题生成imagecaptioning根据图像内容生成相应的文本描述。3.5.4.6根据图像内容自动回答相关问题。GB/T41864—20223.6.1.13.6.1.23.6.1.33.6.1.43.6.1.53.6.1.63.6.1.73.6.1.83.6.1.93.6.1.103.6.1.113.6.1.123.6.1.133.6.1.143.6.1.153.6.1.163.6.1.173.6.2.13.6.2.23.6.2.33.6.2.43.6.2.53.6.2.6事件标签eventlabelGB/T41864—20223.6.2.7一个完整的语义事件对应的视频片段。3.6.3.1目标物体不同复杂程度的完整或有目的的运动。3.6.3.2从视频自动提取特定对象的动作并进行语义表达。3.6.3.3通过分析人类不同的行为进而对其进行归类。3.6.3.43.6.3.5动作序列actionsequence一系列由具有时序关系动作构成的序列。3.6.3.6相关目标能采取的所有动作的有限集合。3.6.3.7动作匹配actionmatching3.6.3.8动作分解actiondecompos将复杂运动分解为多个简单动作组合。3.6.3.93.6.3.10动作状态以及引起该动作状态的行为组成的状态-行为转移空间。3.6.3.11动作捕捉actioncapture通过对视频序列中目标动作进行跟踪采样，并利3.6.4.13.6.4.23.6.4.33.6.4.43.6.4.53.6.4.63.6.4.73.6.5.13.6.5.2一种利用目标运动的时空相关信息由前序帧图像中的目标运动轨迹预测其在未来连续n帧图像3.6.5.33.6.5.43.6.5.5GB/T41864—20223.6.5.6依据目标过去的路径信息预测未来可能路径的方法。3.6.5.73.6.5.8由于摄像机的运动带来的视频中所有像素点按照一致规律的运动。3.6.5.9摄像机运动cameramotion对摄像机进行的主动或被动操作。注：摄像机主动操作常包括平移(Translation)、缩放[Zoomin(out)]、倾斜(Tilt)、摇摄(Pan)、旋转(Rotation)等，被3.6.5.10依据目标过去所处的位置信息及其移动模式预测其所处位置的过程。3.6.5.11运动分析motionanalysis自动分析视频中特定对象的运动并提取相关特征参数的方法。3.6.5.12一种能够适应目标特征和场景变化自动调整跟踪算法，以取得最佳的跟踪效果的3.6.6.1关键点keypoint3.6.6.2以热力图的形式显示目标关键点的位置分布。注1:关键点热力图常用于姿态估计、姿态跟踪、目标识别等方面。注2:热力图中每个像素的数值代表该像素隶属某类别的概率。3.6.6.3能够表达特定对象的动作或行为的几个关键状态。3.6.6.4三维姿态估计3DposeestimationGB/T41864—20223.6.6.5行人重识别personre-identification注1:人体再识别可以跨姿态，常用于公共安防的刑侦工作以及图像检索等场景。注2:类似技术也可以应用于其他目标的以图搜图中，如车辆、箱包等等。3.6.6.6姿态估计poseestimation根据图像(或视频)特征对特定对象进行姿态描述。3.6.6.7姿态跟踪posetracking基于目标的姿态信息进行更精确的目标和目标关键部位的跟踪方法。本质矩阵essentialmatrix关联同一物理空间点在不同视角图像的相机坐标系中位置的矩阵。注：本质矩阵由相机外参数组成。关联同一物理空间中特定平面上的点在两幅不同视角图像上位置的矩阵。点云配准pointcloudregistration通过匹配对应点将同一物体不同视角下获取的三维点云合并到同一坐标系下的过程。迭代最近点法interativeclosest通过最小化重投影误差，对序列图像的相机位姿和匹配特征点的不同视角拍摄的同一场景的两幅图像之间的几何关系描述。基础矩阵fundamentalmatrix关联同一物理空间点在不同视角图像上的位置的矩阵。注：基础矩阵由相机内参数和外参数组成。GB/T41864—20223.7.10立体视觉stereovision一种利用同时获取的同一场景的两幅相近视角图像计算场景深度的方法。3.7.11从相近视角拍摄的同一场景的两幅(一对)图像中寻找匹配点并计算场景深度/视差的过程。3.7.12无人车、机器人等智能体基于所搭载的视觉传感器，在进行自身定位的同时构建未知环境三维模型。3.7.13根据视觉传感器所获取数据估计相机运动轨迹。3.7.14三维计算机视觉3Dcomputervision利用计算机程序通过对照片或视频的分析理解来获取其三维空间信息，以便从三维几何的视角去3.7.15基于传感器对真实场景进行测量并构建其三维模型。3.7.16三维目标识别3Dobjectrecognition根据目标物三维数据判断该目标物所属类别。3.7.17三维目标跟踪3Dobjecttracking在连续的三维观测数据中对于存在的目标进行时间和空间域连续的位置表示。3.7.18将多幅图像在时间或空间上进行对齐。3.7.19图像角点imagecorner局部邻域内存在两个显著主方向的像素点。3.7.20消失点vanishingpoint平行直线在透视投影所成像中的交汇点。3.7.21根据相机所拍摄的图像求解相机模型参数的技术。3.7.223.7.233.7.243.7.25GB/T41864—20223.8.9全光函数plenopticfunction3.8.10视场fieldofview成像系统可观察到的区域。3.8.11将具有重叠区域的多幅图像进行组合以生成一幅全景或高分辨率图像。3.8.12图像重光照imagerelighting一种改变图像光照效果的方法。3.8.13一种将参考图像光照效果迁移到目标图像上，使得目标图像具有与参考图像相同或相似光照效果的方法。3.9.1半错误率halftotalerrorrate错误接受率和错误拒绝率的平均值。3.9.2错误接受率falseacceptancerate接受不该接受的样本的比率。3.9.3错误拒绝率falserejectionrate拒绝不该拒绝的样本的比率。3.9.4一种在特定数据集中衡量目标检测准确度的标准。预测范围和标记范围的交叠率，即两个区域重叠的部分除以两个区域的集合部分得出的结果。3.9.5等错误率equalerrorrate3.9.6F1测度F1score精度和召回率的调和平均值。注：调和平均值计算由2倍的精度乘以召回率除以精度和召回率的和得到。3.9.7混淆矩阵confusionmatrix一种用于评价分类器性能的二维矩阵。注：混淆矩阵一般是N×N的，其中N为类别数，混淆矩阵中的每一行代表一个真实类别，每一列代表一个预测(分类结果)类别，第i行、第j列的元素含义为真实类别为第i类、预测类别为第j类的样本数量。3.9.8预测类别为正样本的集合中真实类别为正样本的比率。3.9.9精度-召回率曲线precisionrecallcurve将不同参数取值下的精度作为召回率的函数得到的曲线。3.9.10将数据集合划分成多组不相交的n份，每次使用n-1份作为训练集，另外一份作为验证集，重复n次。将n次结果平均(或者通过其他计算方式)得到最终结果。3.9.11假负率falsenegativerate预测类别为负样本的集合中真实类别为正样本的比率。3.9.12用户或其他利益相关方对产品或系统将按预期运行的置信程度。[来源：ISO/IEC25010:2011,4.1.3.2,有修改]3.9.13鲁棒性robustness系统在任何情况下保持其性能水平的能力。3.9.14每次将一个(组)样本作为验证样本，其余n-1个(组)样本作为训练样本。重复实验n次，保证每个样本均曾作为验证。基于所有样本的预测结果计算最终评价结果。注：留一法是交叉验证的一个特例。3.9.15对于不同类别的平均精度计算平均值得到的性能评价指标。3.9.16预测的多个带有顺序的结果中，前k个结果中正样本的比率。GB/T41864—20223.9.17由不同设定条件下的真正率和假正率值画出的响应曲线。3.9.18ROC曲线下面积areaunderROCcurveROC曲线下的积分面积。3.9.19虚警率falsealarm被错误预测为正样本的负样本占全部负样本的比率。3.9.20被正确预测的正样本占全部正样本的比率.注2:也称为真阳性率。3.9.21被正确预测的负样本占全部负样本的比率。3.9.22预测类别和真实类别相同的的样本数占全部样本数的比率。3.10应用相关类3.10.1光学字符识别opticalcharacterrecognition一种利用光学采集设备获取纸上或其他物体表面的字符的图像并从中识别出文字的过程。3.10.23.10.3机器视觉machinevision3.10.4机器人视觉robotvision3.10.5基于个体的行为特征和生物学特征，对该个体进行的自动识别。GB/T41864—2022分析。注3:生物特征识别包括生物特征验证和生物特征辨识。注4:自动识别意味着基于机器的系统用于整个过程的识别或由人类辅助识别。图案的生物学特征以及呈现手指的行为。3.10.6从输入的手势数据判别出手势。3.10.7视频监控videosurveillance3.10.8等因素影响下所形成美感刺激。3.10.9图像美学质量评价imageaestheticqualityassessment注：图像美学质量评价主要针对拍摄或绘画的图像在构图、颜色、光影、景深、虚实等美学因素影响下形成的美感刺激。3.10.10注1:面向文档图像的分析处理技术，包括对文档图像进行预处理，自动分析文档的物理与逻辑版面结构，完成文字识别(注2;注3),并进行文档的内容理解和语义提取等。或拍照得到图像中的文字。注3:若处理的对象为印刷体文字，脱机字符识别又称为光学字符识别；若处理的对象为手写体文字，则称为脱机手写体文字识别。3.10.11对遥感图像进行辐射校正和几何纠正、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作。3.10.12注：医学图像处理主要包括医学图像增强、医学图像分割、医学图像配准、医学图像可视化、计算机辅助诊断等方[1]GB/T5271.37—2021信息技术词汇第37部分：生物特征识别[2]GB/T38665.1—2020信息技术手势交互系统第1部分：通用技术要求[3]ISO102technicaldrawings,productdefinitionandrelateddocumentationPartl:Generalinformationandlateralresolutionofaco[8]ISO19262:2015[9]ISO20263:2017Microbeamdeterminationofinterfacepositioninthecross-sectionalimageofthelayeredmaterials[10]ISO/IEC21794-1:2020Inf[11]ISO22300:2021Securityandresilience—VocabularyRequirementsandEvaluation(SQuaRE)—Systemandsoftwarequalitymod[13]ISO25964-2:2013Informationanddocumentation—Thesauriandinteroperabilitywithothervocabularies—Part2:Interoperabilitywithothervocabularies汉语拼音索引B半错误率……………………3.9.1背景………………………3.6.1.1本质矩阵……………………3.7.1边缘检测…………………3.3.4.1编码采集……………………3.8.1边缘检测算子……………3.3.4.2部分重复图像检索………………………3.5.2.1C彩色图像……………………3.1.1层次特征…………………3.5.1.2查询扩充…………………3.5.2.4场景分类…………………3.5.3.1场景理解…………………3.5.4.1场景图推理………………3.5.4.2超度量轮廓图………………3.4.1超分辨成像…………………3.2.2成像雷达……………………3.2.1尺度不变特征转换………………………3.5.1.4尺度空间…………………3.5.1.3词袋特征…………………3.5.1.1词频………………………3.5.2.2错误接受率…………………3.9.2错误拒绝率…………………3.9.3D单应矩阵……………………3.7.3等错误率……………………3.9.5点扩展函数………………3.3.3.1点云配准……………………3.7.4点运算增强………………3.3.2.1迭代最近点法………………3.7.5动态范围……………………3.8.2动作………………………3.6.3.1动作捕捉…………………3.6.3.11动作分解…………………3.6.3.8动作分类…………………3.6.3.3动作分析…………………3.6.3.2动作估计…………………3.6.3.4动作建模…………………3.6.3.9动作空间…………………3.6.3.6动作匹配…………………3.6.3.7动作序列…………………3.6.3.5动作状态空间……………3.6.3.10多光谱图像…………………3.1.2多光谱相机…………………3.2.3多视图………………………3.1.3E二值图像……………………3.1.4F仿射变换…………………3.3.1.1飞行时间成像………………3.2.4分水岭算法…………………3.4.3方向梯度直方图…………………………3.5.1.5G伽马校正…………………3.3.2.2刚体变换…………………3.3.1.2高动态范围成像……………3.2.5高动态范围图像……………3.1.5高光谱相机…………………3.2.3工业视觉…………………3.10.2关键点……………………3.6.6.1关键点热力图……………3.6.6.2关键姿态…………………3.6.6.3光场…………………………3.8.3光场相机……………………3.2.8光场重建……………………3.8.4光度立体……………………3.2.6光流场……………………3.6.1.2光束平差法…………………3.7.6光台…………………………3.2.7光学字符识别……………3.10.1轨迹………………………3.6.5.1轨迹跟踪…………………3.6.5.3轨迹预测…………………3.6.5.2H灰度…………………………3.1.6灰度图像……………………3.1.7回环检测……………………3.7.7混淆矩阵……………………3.9.7J机器人视觉………………3.10.4机器视觉…………………3.10.3基础矩阵……………………3.7.9基于边缘的分割……………3.4.5基于草图的图像检索……………………3.5.2.6基于内容的图像检索……………………3.5.2.5基于图的图像分割…………………………3.4.6极线几何……………………3.7.8几何变换…………………3.3.1.3计算相机……………………3.8.6假负率……………………3.9.11降质函数…………………3.3.3.2交叉验证…………………3.9.10交互式图像分割……………3.4.4交互事件…………………3.6.2.1结构光相机…………………3.2.9解码重建……………………3.8.7近似重复图像检索………………………3.5.2.7精度…………………………3.9.8精度-召回率曲线……………3.9.9景深…………………………3.8.5镜头边界检测……………3.6.1.3镜像变换…………………3.3.1.4局部聚合向量……………3.5.1.8局部特征…………………3.5.1.7局部运动…………………3.6.5.4K可信………………………3.9.12空间带宽积…………………3.8.8空间运算增强……………3.3.2.3抠图…………………………3.4.7扩散方法…………………3.5.2.8L立体匹配…………………3.7.11立体视觉…………………3.7.10立体相机…………………3.2.10连通区………………………3.4.8留一法……………………3.9.14鲁棒性……………………3.9.13路径预测…………………3.6.5.6路径约束…………………3.6.5.5滤波器模板………………3.3.2.4M模板匹配…………………3.5.1.9模拟相机…………………3.2.11模态混叠现象……………3.3.2.5目标定位…………………3.5.3.4目标跟踪…………………3.6.5.7目标关键点定位…………………………3.5.3.6目标检测…………………3.5.3.3目标识别…………………3.5.3.2目标属性识别……………3.5.3.5N逆滤波……………………3.3.3.3逆文档频率………………3.5.2.9P偏振相机…………………3.2.12频域图像滤波……………3.3.2.7频域图像增强……………3.3.2.6平均精度均值……………3.9.15Q前K准确率……………3.9.16前景分割………………3.4.11前景检测………………3.6.1.4区域方差………………3.5.1.11区域分裂合并…………………………3.4.10全光函数…………………3.8.9全景图……………………3.1.8全局特征………………3.5.1.10全局运动…………………3.6.5.8S三维计算机视觉…………………………3.7.14三维建模和重建…………………………3.7.15三维目标跟踪……………3.7.17三维目标识别…………………………3.7.16三维姿态估计………………摄像机运动………………3.6.5.9深度相机………………3.2.14生物特征识别……………3.10.5时空表达………………3.6.1.5实例分割………………3.5.3.7实例检索………………3.5.2.12事件………………………3.6.2.2事件标签…………………3.6.2.6事件分类………………3.6.2.4事件检测…………………3.6.2.3事件片段………………3.6.2.7事件实体…………………3.6.2.5视场………………………3.8.10视觉词典………………3.5.2.11视觉单词………………3.5.2.10视觉关系检测……………3.5.4.3视觉即时定位与地图绘制……………3.7.12视觉里程计……………3.7.13视觉问答………………3.6.1.11视觉意图识别…………………………3.5.4.4视觉预测………………3.6.1.7视频………………………3.6.1.6视频分类…………………3.6.1.12视频监控…………………3.10.7视频检索…………………3.6.1.13视频剪辑…………………3.6.1.8视频美学质量评价………………………3.10.8视频描述…………………3.6.1.14视频上下文………………3.6.1.10视频语义分割……………3.6.1.9视频摘要…………………3.6.1.15手势识别…………………3.10.6受试者工作特征曲线……………………3.9.17数字相机…………………3.2.13双边滤波…………………3.3.3.4随机噪声……………………3.1.9T特征量化…………………3.5.1.14特征匹配…………………3.5.1.12特征索引…………………3.5.2.14特征提取…………………3.5.1.13体重建……………………3.7.25同态滤波…………………3.3.2.9统计排序滤波……………3.3.2.8投影变换…………………3.3.1.5图像………………………3.1.10图像边缘…………………3.3.4.3图像变换…………………3.3.1.6图像标题生成……………3.5.4.5图像补全…………………3.3.3.7图像采样…………………3.2.15图像插值…………………3.3.1.9图像超分辨率……………3.3.1.7图像对比度增强…………………………3.3.2.10图像分辨率………………3.1.11图像分割…………………3.4.12图像分类…………………3.5.3.8图像缝合…………………3.8.11图像光照迁移……………3.8.13图像互信息………………3.3.2.16图像检索…………………3.5.2.13图像角点…………………3.7.19图像美学质量评价………………………3.10.9图像配准……………………3.7.18图像平滑…………………3.3.2.11图像去模糊………………3.3.3.6图像去噪…………………3.3.3.5图像融合…………………3.3.2.15图像锐化…………………3.3.2.12图像失真…………………3.3.3.10图像梯度…………………3.3.2.14图像梯度运算……………3.3.4.4图像问答…………………3.5.4.6图像相关系数……………3.3.2.17图像序列…………………3.6.1.16图像压缩编码……………3.3.3.8图像增强…………………3.3.2.13图像质量评价……………3.3.3.9图像重采样………………3.3.1.8图像重光照………………3.8.12W维纳滤波…………………3.3.3.11伪彩色增强……………3.3.2.18位置预测…………………3.6.5.10文档识别…………………3.10.10纹理特征…………………3.5.1.15X细粒度目标识别…………………………3.5.3.9细粒度图像检索…………………………3.5.2.15显著性对象检测…………………………3.5.3.10线性滤波…………………3.3.2.19线阵相机…………………3.2.17相机标定…………………3.7.21相机模型…………………3.2.16相机自标定………………3.7.22消失点……………………3.7.20行人重识别………………3.6.6.5行为………………………3.6.4.1行为分类…………………3.6.4.4行为检测…………………3.6.4.2行为模式…………………3.6.4.5行为识别…………………3.6.4.3形状匹配…………………3.5.1.16形状特征…………………3.5.1.17虚警率……………………3.9.19Y颜色空间……………………3.1.13颜色模型…………………3.1.12颜色特征…………………3.5.1.18遥感图像处理……………3.10.11医学图像处理……………3.10.12异常检测…………………3.6.4.7拥挤检测…………………3.6.4.6由X到形状………………3.7.23语义分割…………………3.5.3.11阈值分割……………………3.4.2运动分析………………3.6.5.11运动恢复结构……………3.7.24Z噪声………………………3.1.14噪声分布…………………3.1.15召回率……………………3.9.20帧…………………………3.6.1.17真负率……………………3.9.21阵列相机…………………3.2.18直方图……………………3.3.2.20直方图规定化……………3.3.2.22直方图均衡………………3.3.2.21中值滤波…………………3.3.2.23重叠度………………………3.9.4重排序……………………3.5.2.3周期噪声…………………3.1.16准确率……………………3.9.22姿态跟踪…………………3.6.6.7姿态估计…………………3.6.6.6自动图像标签……………3.5.3.12自适应跟踪………………3.6.5.12最大值滤波…………………3.3.2.24最小值滤波…………………3.3.2.25GIST特征……………ROC曲线下面积……………3.9.18英文对应词索引Aaccuracyrate………action………………………3.6.3.1actionanalysis………actionestimation……………3.6.3actionmatching……………actionmodeling…………activity………………………3.6.4.1activityclassification……………………3.6.4.4activitypattern……………3.6.4.5affinetransformation……………………3.3.1.1arraycamera…………………3.2.18Bbackground……………bilateralfiltering…………………………3.3.3.4binaryimage………………………biometricrecognition………………………3.10.5bundleadjustment……………3.7.6Ccameracalibration…………………………3.7.21cameramodel…………………3.2.16cameramotion………………3.6.5.9cameraself-calibration………………………3.7.22codedacquisition……………3.8.1colorfeature…………………3.5.1.18colorimage……………………3.1.1colormodel…………………3.1.12colorspace