网上搜集了一些计算机视觉的资料:
模式识别和机器学习:
《Pattern Classification 》,第二版,Duda著,模式识别的奠基之作,但对SVM、Boosting几乎没提,有挂一漏万之嫌。
《Pattern Recognition and Machine Learning》,Bishop著,侧重概率模型,详细介绍了Bayesian方法、有向图、无向图理论等,体系完备。
《Kernel Methods for Pattern Analysis》,John Shawe-Taylor著,SVM等统计学的诸多工具里都用到了核方法,可以将将低维非线性空间映射到高维的线性空间中,但同时会引入高维数据的难题。
《Computer Vision: A Modern Approach》,第二版,Forsyth著,一本不错的计算机视觉教材,全书理论联系实际,并加入了计算机视觉领域的最新研究成果。
《Computer Vision: Algorithms and Applications》,Richard Szeliski的大作,《数字图像处理》课程老师推荐的一本书籍,这本书我还没有看完,书中对计算机视觉领域最新的一些算法进行了汇编,包括图像分割,特征检测和匹配,运动检测,图像缝合,3D重建,对象识别等图像处理的诸多方面,借助本书我们可以对最新主流图像处理算法有个全局把握。
《Image Processing, Analysis and Machine Vision》 Sonka
《Multiple View Geometry in Computer Vision》 第二版Harley等著,引用达一万多次的经典书籍。第二版到处都有电子版的。第一版曾出过中文版的,网上也可以找到电子版。
线性代数:
《Linear Algebra and Its Applications》Fourth Edition, Gilbert Strang的著作,本书详细介绍了向量空间、线性变换、本征值和本征向量等线性代数的重要基本概念,把抽象的线性空间形象地表达出来,适合初学者。
《Introduction to Probability Models》第10版,Ross著,一本书能够发行到第十版,你说是不是很经典呢?
离散数学:
《Discrete Mathematics and Its Applications》,第六版,Rosen著,本书囊括了离散数学推导、组合分析、算法及其应用、计算理论等多方面的内容,适合初学者。
矩阵数学:
《Matrix Analysis》,Horn著,本书无疑是矩阵论领域的经典著作了,风行几十年了。
概率论与数理统计:
《All Of Statistics》,Wasserman著,一本数理统计的简介读本。
《Introductionto Mathematical Statistics》,第六版,Hogg著,本书介绍了概率统计的基本概念以及各种分布,以及ML,Bayesian方法等内容。
《Statistical Learning Theory》Vapnik的大作,统计学界的权威,本书将理论上升到了哲学层面,他的另一本书《The Nature ofStatistical Learning Theory》也是统计学习研究不可多得的好书,但是这两本书都比较深入,适合有一定基础的读者。
《统计学习方法》,李航著,国内很多大学都在用这本书,本书从具体问题入手,由浅入深,简明地介绍了统计学习的主要方法,适合初学者而又想对统计学习理论有一个全局理解的学生。
《The Elements of Statistical Learning-Data Mining, Inference, and Prediction》,第二版,Trevor Hastie著,机器学习方面非常优秀的一本书,较PC和PRML,此书更加深入,对工程人员的价值也许更大一点。
《AnIntroduction to Probabilistic Graphical Models》,Jordan著,本书介绍了条件独立、分解、混合、条件混合等图模型中的基本概念,对隐变量(潜在变量)也做了详细介绍,相信大家在隐马尔科夫链和用Gaussian混合模型来实现EM算法时遇到过这个概念。
《Probabilistic Graphical Models-Principles and Techniques》,Koller著,一本很厚很全面的书,理论性很强,可以作为参考书使用。
最优化方法:
《Convex Optimization》,Boyd的经典书籍,被引用次数超过14000次,面向实际应用,并且有配套代码,是一本不可多得的好书,网址http://www.stanford.edu/~boyd/cvxbook/。
《Numerical Optimization》,第二版,Nocedal著,非常适合非数值专业的学生和工程师参考,算法流程清晰详细,原理清楚。
另外推荐几个博客和网站:
https://www.coursera.org/
这是一个由世界顶级大学联合创办的网上在线视频公开课网站,里面有stanford, MIT, CMU等计算机科学一流大学提供的免费教学课程。http://blog.pluskid.org/
这是浙大学生张驰原的博客网站,现在他去了MIT,博客里面的很多资源都值得一看,博文的很大一部分都是关于机器学习的,加入了作者自己的理解,深入浅出。http://blog.csdn.net/ffeng271/article/details/7164498
林达华推荐的基本数学书,转自MIT大牛博客。http://blog.csdn.net/abcjennifer/
张睿卿的博客,浙大的硕士,现在应该是去百度了,写的东西很细致http://blog.csdn.net/zouxy09?viewmode=contents
甘苦人生,上面cv的资源挺多,写了100多篇博客http://blog.csdn.net/sangni007/article/category/1106976
小熊不去实验室,东西很多,范围也很广http://blog.csdn.net/carson2005/article/details/6601109
计算机视觉小鸟,一些常用的算法讲的挺清楚