40
xiv
Computer Vision: Algorithms and Applications (September 3, 2010 draft)
2.4 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.5 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3 Image processing
99
3.1 Point operators s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.1.1 Pixel transforms s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.1.2 Color transforms s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.1.3 Compositing and matting. . . . . . . . . . . . . . . . . . . . . . . . 105
3.1.4 Histogram equalization. . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.1.5 Application: Tonal adjustment t . . . . . . . . . . . . . . . . . . . . . 111
3.2 Linear filtering g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.2.1 Separable filtering g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.2.2 Examples of linear filtering. . . . . . . . . . . . . . . . . . . . . . . 117
3.2.3 Band-pass and steerable filters s . . . . . . . . . . . . . . . . . . . . . 118
3.3 More neighborhood operators. . . . . . . . . . . . . . . . . . . . . . . . . . . 122
3.3.1 Non-linear filtering g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
3.3.2 Morphology y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.3.3 Distance transforms s . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
3.3.4 Connected components. . . . . . . . . . . . . . . . . . . . . . . . . 131
3.4 Fourier transforms s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.4.1 Fourier transform pairs s . . . . . . . . . . . . . . . . . . . . . . . . . 136
3.4.2 Two-dimensional Fourier transforms. . . . . . . . . . . . . . . . . . 140
3.4.3 Wiener filtering g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.4.4 Application: Sharpening, blur, and noise removal l . . . . . . . . . . . 144
3.5 Pyramids andwavelets s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
3.5.1 Interpolation n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
3.5.2 Decimation n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
3.5.3 Multi-resolution representations s . . . . . . . . . . . . . . . . . . . . 150
3.5.4 Wavelets s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
3.5.5 Application: Image blending g . . . . . . . . . . . . . . . . . . . . . . 160
3.6 Geometric transformations s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
3.6.1 Parametric transformations. . . . . . . . . . . . . . . . . . . . . . . 163
3.6.2 Mesh-basedwarping g . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.6.3 Application: Feature-based morphing g . . . . . . . . . . . . . . . . . 173
3.7 Global optimization n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
3.7.1 Regularization n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
3.7.2 Markov random fields s . . . . . . . . . . . . . . . . . . . . . . . . . 180
3.7.3 Application: Image restoration n . . . . . . . . . . . . . . . . . . . . . 192
How to C#: Preview Document Content Using XDoc.excel How to C#: Preview Document Content Using XDoc.Excel. Get Preview From File. You may get document preview image from an existing Excel file in C#.net.
delete blank pages in pdf files; delete pages pdf preview
40
Contents
xv
3.8 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
3.9 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
4 Feature detection and matching
205
4.1 Points and patches. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
4.1.1 Feature detectors s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
4.1.2 Feature descriptors s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
4.1.3 Feature matching g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
4.1.4 Feature tracking g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
4.1.5 Application: Performance-driven animation n . . . . . . . . . . . . . . 237
4.2 Edges s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
4.2.1 Edge detection n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
4.2.2 Edge linking g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
4.2.3 Application: Edge editing and enhancement. . . . . . . . . . . . . . 249
4.3 Lines s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4.3.1 Successive approximation n . . . . . . . . . . . . . . . . . . . . . . . 250
4.3.2 Houghtransforms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
4.3.3 Vanishing points s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
4.3.4 Application: Rectangle detection. . . . . . . . . . . . . . . . . . . . 257
4.4 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
4.5 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
5 Segmentation
267
5.1 Active contours s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
5.1.1 Snakes s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
5.1.2 Dynamic snakes and CONDENSATION. . . . . . . . . . . . . . . . 276
5.1.3 Scissors s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
5.1.4 Level Sets. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
5.1.5 Application: Contour tracking and rotoscoping g . . . . . . . . . . . . 282
5.2 Split and merge e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.2.1 Watershed. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.2.2 Regionsplitting (divisive clustering). . . . . . . . . . . . . . . . . . 286
5.2.3 Regionmerging (agglomerative clustering) ) . . . . . . . . . . . . . . 286
5.2.4 Graph-based segmentation n . . . . . . . . . . . . . . . . . . . . . . . 286
5.2.5 Probabilistic aggregation n . . . . . . . . . . . . . . . . . . . . . . . . 288
5.3 Mean shift andmode finding g . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
5.3.1 K-means and mixtures of Gaussians s . . . . . . . . . . . . . . . . . . 289
5.3.2 Mean shift t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
C# Word - Delete Word Document Page in C#.NET doc.Save(outPutFilePath); Delete Consecutive Pages from Word in C#. int[] detelePageindexes = new int[] { 1, 3, 5, 7, 9 }; // Delete pages.
delete a page from a pdf in preview; delete pdf pages in preview
40
xvi
Computer Vision: Algorithms and Applications (September 3, 2010 draft)
5.4 Normalized cuts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
5.5 Graph cuts and energy-based methods s . . . . . . . . . . . . . . . . . . . . . 300
5.5.1 Application: Medical image segmentation n . . . . . . . . . . . . . . . 304
5.6 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
5.7 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
6 Feature-based alignment
309
6.1 2D and 3D feature-based alignment t . . . . . . . . . . . . . . . . . . . . . . 311
6.1.1 2D alignment using least squares. . . . . . . . . . . . . . . . . . . . 312
6.1.2 Application: Panography y . . . . . . . . . . . . . . . . . . . . . . . . 314
6.1.3 Iterative algorithms s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
6.1.4 Robust least squares and RANSAC C . . . . . . . . . . . . . . . . . . 318
6.1.5 3D alignment t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
6.2 Pose estimation n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
6.2.1 Linear algorithms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
6.2.2 Iterative algorithms s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
6.2.3 Application: Augmented reality y . . . . . . . . . . . . . . . . . . . . 326
6.3 Geometric intrinsic calibration n . . . . . . . . . . . . . . . . . . . . . . . . . 327
6.3.1 Calibration patterns. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
6.3.2 Vanishing points s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
6.3.3 Application: Single view metrology y . . . . . . . . . . . . . . . . . . 331
6.3.4 Rotational motion n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
6.3.5 Radial distortion n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
6.4 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
6.5 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
7 Structure from motion
343
7.1 Triangulation n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
7.2 Two-frame structure from motion. . . . . . . . . . . . . . . . . . . . . . . . 347
7.2.1 Projective (uncalibrated) reconstruction n . . . . . . . . . . . . . . . . 353
7.2.2 Self-calibration n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
7.2.3 Application: View morphing g . . . . . . . . . . . . . . . . . . . . . . 357
7.3 Factorization n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
7.3.1 Perspective and projective factorization n . . . . . . . . . . . . . . . . 360
7.3.2 Application: Sparse 3D model extraction n . . . . . . . . . . . . . . . 362
7.4 Bundle adjustment t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
7.4.1 Exploiting sparsity y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
7.4.2 Application: Match move and augmented reality y . . . . . . . . . . . 368
40
Contents
xvii
7.4.3 Uncertainty and ambiguities s . . . . . . . . . . . . . . . . . . . . . . 370
7.4.4 Application: Reconstruction from Internet photos s . . . . . . . . . . . 371
7.5 Constrained structure and motion. . . . . . . . . . . . . . . . . . . . . . . . 374
7.5.1 Line-based techniques s . . . . . . . . . . . . . . . . . . . . . . . . . 374
7.5.2 Plane-basedtechniques. . . . . . . . . . . . . . . . . . . . . . . . . 376
7.6 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
7.7 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
8 Dense motion estimation
381
8.1 Translational alignment t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
8.1.1 Hierarchical motion estimation. . . . . . . . . . . . . . . . . . . . . 387
8.1.2 Fourier-based alignment t . . . . . . . . . . . . . . . . . . . . . . . . 388
8.1.3 Incremental refinement. . . . . . . . . . . . . . . . . . . . . . . . . 392
8.2 Parametric motion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
8.2.1 Application: Video stabilization n . . . . . . . . . . . . . . . . . . . . 401
8.2.2 Learned motion models. . . . . . . . . . . . . . . . . . . . . . . . . 403
8.3 Spline-based motion n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
8.3.1 Application: Medical image registration n . . . . . . . . . . . . . . . . 408
8.4 Optical flow w . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409
8.4.1 Multi-frame motion estimation. . . . . . . . . . . . . . . . . . . . . 413
8.4.2 Application: Video denoising g . . . . . . . . . . . . . . . . . . . . . 414
8.4.3 Application: De-interlacing g . . . . . . . . . . . . . . . . . . . . . . 415
8.5 Layered motion n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
8.5.1 Application: Frame interpolation. . . . . . . . . . . . . . . . . . . . 418
8.5.2 Transparent layers and reflections s . . . . . . . . . . . . . . . . . . . 419
8.6 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
8.7 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
9 Image stitching
427
9.1 Motion models s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430
9.1.1 Planar perspective motion n . . . . . . . . . . . . . . . . . . . . . . . 431
9.1.2 Application: Whiteboard and document scanning g . . . . . . . . . . . 432
9.1.3 Rotational panoramas. . . . . . . . . . . . . . . . . . . . . . . . . . . 433
9.1.4 Gap closing g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
9.1.5 Application: Video summarization and compression n . . . . . . . . . 436
9.1.6 Cylindrical and spherical coordinates s . . . . . . . . . . . . . . . . . 438
9.2 Global alignment t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
9.2.1 Bundle adjustment t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
40
xviii
Computer Vision: Algorithms and Applications (September 3, 2010 draft)
9.2.2 Parallax removal l . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
9.2.3 Recognizing panoramas s . . . . . . . . . . . . . . . . . . . . . . . . 446
9.2.4 Direct vs. feature-based alignment t . . . . . . . . . . . . . . . . . . . 450
9.3 Compositing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
9.3.1 Choosing a compositingsurface e . . . . . . . . . . . . . . . . . . . . 451
9.3.2 Pixel selection andweighting (de-ghosting) ) . . . . . . . . . . . . . . 453
9.3.3 Application: Photomontage e . . . . . . . . . . . . . . . . . . . . . . 459
9.3.4 Blending g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
9.4 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 462
9.5 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
10 Computational photography
467
10.1 Photometric calibration n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
10.1.1 Radiometric response function n . . . . . . . . . . . . . . . . . . . . . 470
10.1.2 Noise level estimation n . . . . . . . . . . . . . . . . . . . . . . . . . 473
10.1.3 Vignetting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 474
10.1.4 Optical blur (spatial response) estimation n . . . . . . . . . . . . . . . 476
10.2 High dynamic range imaging g . . . . . . . . . . . . . . . . . . . . . . . . . . . 479
10.2.1 Tone mapping. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
10.2.2 Application: Flash photography y . . . . . . . . . . . . . . . . . . . . 494
10.3 Super-resolution and blur removal l . . . . . . . . . . . . . . . . . . . . . . . 497
10.3.1 Color image demosaicing g . . . . . . . . . . . . . . . . . . . . . . . 502
10.3.2 Application: Colorization n . . . . . . . . . . . . . . . . . . . . . . . 504
10.4 Image matting and compositing. . . . . . . . . . . . . . . . . . . . . . . . . 505
10.4.1 Blue screen matting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507
10.4.2 Natural image matting g . . . . . . . . . . . . . . . . . . . . . . . . . 509
10.4.3 Optimization-based matting g . . . . . . . . . . . . . . . . . . . . . . 513
10.4.4 Smoke, shadow, and flash matting g . . . . . . . . . . . . . . . . . . . 516
10.4.5 Video matting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518
10.5 Texture analysis and synthesis s . . . . . . . . . . . . . . . . . . . . . . . . . 518
10.5.1 Application: Hole filling and inpainting g . . . . . . . . . . . . . . . . 521
10.5.2 Application: Non-photorealistic rendering. . . . . . . . . . . . . . . 522
10.6 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
10.7 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
11 Stereo correspondence
533
11.1 Epipolar geometry y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 537
11.1.1 Rectification n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538
40
Contents
xix
11.1.2 Plane sweep. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
11.2 Sparse correspondence e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 543
11.2.1 3D curves and profiles s . . . . . . . . . . . . . . . . . . . . . . . . . . 543
11.3 Dense correspondence e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545
11.3.1 Similarity measures. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546
11.4 Local methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
11.4.1 Sub-pixel estimation and uncertainty. . . . . . . . . . . . . . . . . . 550
11.4.2 Application: Stereo-based head tracking. . . . . . . . . . . . . . . . 551
11.5 Global optimization n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552
11.5.1 Dynamic programming. . . . . . . . . . . . . . . . . . . . . . . . . 554
11.5.2 Segmentation-based techniques s . . . . . . . . . . . . . . . . . . . . 556
11.5.3 Application: Z-keyingand background replacement. . . . . . . . . . 558
11.6 Multi-view stereo o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558
11.6.1 Volumetric and 3D surface reconstruction n . . . . . . . . . . . . . . . 562
11.6.2 Shape from silhouettes s . . . . . . . . . . . . . . . . . . . . . . . . . 567
11.7 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570
11.8 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 571
12 3Dreconstruction
577
12.1 Shape from X X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 580
12.1.1 Shape from shading and photometric stereo o . . . . . . . . . . . . . . 580
12.1.2 Shape from texture e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 583
12.1.3 Shape from focus s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584
12.2 Active rangefinding g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585
12.2.1 Range data merging g . . . . . . . . . . . . . . . . . . . . . . . . . . . 588
12.2.2 Application: Digital heritage e . . . . . . . . . . . . . . . . . . . . . . 590
12.3 Surface representations s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 591
12.3.1 Surface interpolation n . . . . . . . . . . . . . . . . . . . . . . . . . . . 592
12.3.2 Surface simplification n . . . . . . . . . . . . . . . . . . . . . . . . . 594
12.3.3 Geometry images s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 594
12.4 Point-based representations s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
12.5 Volumetric representations s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 596
12.5.1 Implicit surfaces and level sets s . . . . . . . . . . . . . . . . . . . . . 596
12.6 Model-based reconstruction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
12.6.1 Architecture. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
12.6.2 Heads and faces. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 601
12.6.3 Application: Facial animation n . . . . . . . . . . . . . . . . . . . . . 603
12.6.4 Whole body modeling and tracking g . . . . . . . . . . . . . . . . . . 605
40
xx
Computer Vision: Algorithms and Applications (September 3, 2010 draft)
12.7 Recovering texture maps and albedos s . . . . . . . . . . . . . . . . . . . . . 610
12.7.1 Estimating BRDFs s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
12.7.2 Application: 3D photography y . . . . . . . . . . . . . . . . . . . . . 613
12.8 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614
12.9 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616
13 Image-based rendering
619
13.1 Viewinterpolation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 621
13.1.1 View-dependent texture maps s . . . . . . . . . . . . . . . . . . . . . 623
13.1.2 Application: Photo Tourism m . . . . . . . . . . . . . . . . . . . . . . 624
13.2 Layered depth images. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 626
13.2.1 Impostors, sprites, and layers. . . . . . . . . . . . . . . . . . . . . . 626
13.3 Light fields and Lumigraphs s . . . . . . . . . . . . . . . . . . . . . . . . . . . 628
13.3.1 Unstructured Lumigraph h . . . . . . . . . . . . . . . . . . . . . . . . 632
13.3.2 Surface light fields s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 632
13.3.3 Application: Concentric mosaics. . . . . . . . . . . . . . . . . . . . 634
13.4 Environment mattes s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 634
13.4.1 Higher-dimensional light fields. . . . . . . . . . . . . . . . . . . . . 636
13.4.2 The modelingto rendering continuum m . . . . . . . . . . . . . . . . . 637
13.5 Video-based rendering g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 638
13.5.1 Video-based animation n . . . . . . . . . . . . . . . . . . . . . . . . . 639
13.5.2 Video textures s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
13.5.3 Application: Animating pictures s . . . . . . . . . . . . . . . . . . . . 643
13.5.4 3D Video o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 643
13.5.5 Application: Video-based walkthroughs s . . . . . . . . . . . . . . . . 645
13.6 Additional reading g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 648
13.7 Exercises s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 650
14 Recognition
655
14.1 Object detection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 658
14.1.1 Face detection n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 658
14.1.2 Pedestrian detection n . . . . . . . . . . . . . . . . . . . . . . . . . . . 666
14.2 Face recognition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 668
14.2.1 Eigenfaces s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
14.2.2 Active appearance and 3D shape models. . . . . . . . . . . . . . . . 679
14.2.3 Application: Personal photo collections s . . . . . . . . . . . . . . . . 684
14.3 Instance recognition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685
14.3.1 Geometric alignment t . . . . . . . . . . . . . . . . . . . . . . . . . . . 686
Documents you may be interested
Documents you may be interested
