我正在寻找一本关于使用机器学习技术在图像中进行多变量模式分析的好书或在线教程。我从 2006 年开始学习基于Bishop 教科书“模式识别和机器学习”的机器学习课程，但我发现它很难并且目前已经过时。
理想情况下，本书将面向实际应用，并与图像中的多变量模式分析（图像处理）相关。数学基础和证明并不重要。最重要的是，它以一种简单的方式呈现了各种不同的算法和技术（例如 SVM 等），并带有一些解释和可能的实现细节。
有人能推荐一本好书吗？
R. Duda、P. Hart 和 D. Stork 的“模式分类”一书怎么样？
@seanv507 推荐的 Prince 的书确实是一本关于该主题的优秀书籍 (+1)。虽然它不是很紧凑，但它具有非常合乎逻辑的结构，甚至还有一个关于概率的大量复习章节，并且非常关注计算机视觉环境中的机器学习。
但是，我想推荐另一本关于该主题的优秀书籍（也可免费下载），虽然更关注计算机视觉本身，但恕我直言，它包含足够的机器学习材料来获得答案。我正在谈论的书是Richard Szeliski（Microsoft Research）的“计算机视觉：算法和应用程序”。与 Price 相比，本书的优点之一是... 更窄的页边距，允许更大的字体大小，因此具有更好的可读性。此外，Szeliski 的书非常实用。由于这两本书的内容很重要，但重点有所不同，在我看来，它们很好地互补. 除了其他优点外，所有这些都让我很容易强烈推荐 Szeliski 的书。
我会推荐Simon Prince 的Computer Vision: Models, Learning, and Inference pdf 可通过上述链接向学生提供（免费）。它正是旨在将 ML 和图像处理结合起来