圖像工程下冊：圖像理解（第5版）

定　價：￥109.00

作　者：	章毓晉
出版社：	清華大學(xué)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥86.10)

ISBN：	9787302656548	出版時間：	2024-05-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本冊書是《圖像工程》第5版的下冊，比較全面地介紹圖像工程的第三層次——圖像理解的基礎(chǔ)概念、基本原理、典型方法、實用技術(shù)以及國際上相關(guān)內(nèi)容研究的新成果?？勺鳛橄嚓P(guān)專業(yè)研究生教材。本冊書主要分為4個單元。第1單元（包含第2~5章）介紹采集表達技術(shù)，第2單元（包含第6~9章）介紹景物重建技術(shù)，第3單元（包含第10~12章）介紹場景解釋技術(shù)，第4單元（包含第13~16章）介紹研究示例。書中還提供了大量例題、思考題和練習(xí)題，并對部分練習(xí)題提供了解答。書末還給出了主題索引。

作者簡介

　　章毓晉，1989年獲比利時列日大學(xué)應(yīng)用科學(xué)博士學(xué)位。1989—1993年為荷蘭德爾夫特大學(xué)博士后及研究人員。1993年到中國北京清華大學(xué)工作，1997年被聘為教授，1998年被評為博士生導(dǎo)師。2014年成為教學(xué)科研系列長聘教授。2003年學(xué)術(shù)休假期間同時被聘為新加坡南洋理工大學(xué)訪問教授。在清華大學(xué)，先后開出并講授10多門本科生和研究生課程。在南洋理工大學(xué)，開出并講授過研究生課程：“現(xiàn)代圖像分析（英語）”。已編寫出版了圖像工程系列教材第1版、第2版、第3版和第4版，以及其他中英文圖像工程教材約20本，還翻譯出版了多本國外圖像工程教材。已在國內(nèi)外發(fā)表了30多篇教學(xué)研究論文。主要科學(xué)研究領(lǐng)域為其積極倡導(dǎo)的圖像工程（圖像處理、圖像分析、圖像理解及其技術(shù)應(yīng)用）和相關(guān)學(xué)科。從1996年起已連續(xù)二十八年對中國圖像工程的研究及主要文獻進行了系統(tǒng)的年度分類總結(jié)綜述。已在國內(nèi)外發(fā)表了500多篇圖像工程研究論文，出版了專著《圖象分割》，《基于內(nèi)容的視覺信息檢索》，《基于子空間的人臉識別》，編著了《英漢圖像工程辭典》（第1版和第2版）和《圖像工程技術(shù)選編》，主編了《Advances in Image and Video Segmentation》，《Semantic-Based Visual Information Retrieval》，《Advances in Face Image Analysis： Techniques and Technologies》。現(xiàn)為中國圖象圖形學(xué)學(xué)會名譽監(jiān)事長，會士；國際光學(xué)工程協(xié)會（SPIE）會士（因在圖像工程方面的成就）。

圖書目錄

第1章緒論
1．1圖像工程的發(fā)展
1．1．1基本概念和定義
概括
1．1．2圖像工程發(fā)展情況
回顧
1．2圖像理解及相關(guān)學(xué)科
1．2．1圖像理解
1．2．2計算機視覺
1．2．3其他相關(guān)學(xué)科
1．2．4圖像理解的應(yīng)用領(lǐng)域
1．3圖像理解理論框架
1．3．1馬爾視覺計算理論
1．3．2對馬爾理論框架的
改進
1．3．3關(guān)于馬爾重建理論
的討論
1．3．4新理論框架的研究
1．3．5從心理認知出發(fā)的
討論
1．4深度學(xué)習(xí)簡介
1．4．1圖像理解中的深度
學(xué)習(xí)
1．4．2卷積神經(jīng)網(wǎng)絡(luò)的基本
概念
1．4．3深度學(xué)習(xí)核心技術(shù)
1．4．4深度學(xué)習(xí)的應(yīng)用
1．5內(nèi)容框架和特點
總結(jié)和復(fù)習(xí)*
隨堂測試*
第1單元采集表達
第2章攝像機成像和標定
2．1視覺過程
2．2亮度成像模型
2．2．1光度學(xué)和光源
2．2．2從亮度到照度
2．3空間成像模型
2．3．1基本攝像機模型
2．3．2近似投影模式
2．3．3一般攝像機模型
2．3．4透鏡畸變
2．3．5通用成像模型
2．4攝像機標定
2．4．1標定方法分類
2．4．2標定程序和參數(shù)
2．4．3兩級標定法
2．4．4精度提升
2．5在線攝像機外參數(shù)標定
方法
2．5．1車道線檢測與數(shù)據(jù)
篩選
2．5．2優(yōu)化重投影誤差
2．6自標定方法
2．7結(jié)構(gòu)光主動視覺系統(tǒng)的
標定
2．7．1投影模型和標定
2．7．2圖案分離
2．7．3計算單應(yīng)性矩陣
2．7．4計算標定參數(shù)
總結(jié)和復(fù)習(xí)*
隨堂測試*
第3章壓縮感知與成像
3．1壓縮感知概述
3．2稀疏表達
3．3測量矩陣及特性
3．3．1采樣/測量模型
3．3．2測量矩陣特性
3．4解碼重構(gòu)
3．4．1重構(gòu)原理
3．4．2測量矩陣的校準
3．4．3典型重構(gòu)算法
3．4．4基于深度學(xué)習(xí)的重構(gòu)
算法
3．5稀疏編碼與字典學(xué)習(xí)
3．5．1字典學(xué)習(xí)與矩陣
分解
3．5．2非負矩陣分解
3．5．3端元提取
3．5．4稀疏編碼
3．6壓縮感知的成像應(yīng)用
3．6．1單像素相機
3．6．2壓縮感知磁共振
成像
總結(jié)和復(fù)習(xí)*
隨堂測試*
第4章深度信息采集
4．1高維圖像和成像方式
4．1．1高維圖像種類
4．1．2本征圖像和非本征
圖像
4．1．3深度成像方式
4．2雙目成像模式
4．2．1雙目橫向模式
4．2．2雙目會聚橫向模式
4．2．3雙目軸向模式
4．3深度圖像直接采集
4．3．1飛行時間法
4．3．2結(jié)構(gòu)光法
4．3．3莫爾等高條紋法
4．3．4深度和亮度圖像同時
采集
4．4顯微鏡3D分層成像
4．4．1景深和焦距
4．4．2顯微鏡3D成像
4．4．3共聚焦顯微鏡3D
成像
4．5等基線多攝像機組
4．5．1圖像采集
4．5．2圖像合并方法
4．6單攝像機多鏡反射折射
系統(tǒng)
4．6．1總體系統(tǒng)結(jié)構(gòu)
4．6．2成像和標定模型
總結(jié)和復(fù)習(xí)*
隨堂測試*
第5章3D景物表達
5．1曲線和曲面的局部特征
5．1．1曲線局部特征
5．1．2曲面局部特征
5．23D表面表達
5．2．1參數(shù)表達
5．2．2表面朝向表達
5．3等值面的構(gòu)造和表達
5．3．1行進立方體算法
5．3．2覆蓋算法
5．3．3兩種算法比較
5．4從并行輪廓插值3D表面
5．53D實體表達
5．5．1基本表達方案
5．5．2廣義圓柱體表達
總結(jié)和復(fù)習(xí)*
隨堂測試*
第2單元景物重建
第6章雙目立體視覺
6．1立體視覺模塊
6．2基于區(qū)域的雙目立體匹配
6．2．1模板匹配
6．2．2立體匹配
6．3基于特征的雙目立體匹配
6．3．1基本步驟
6．3．2尺度不變特征
變換
6．3．3加速魯棒性特征
6．3．4動態(tài)規(guī)劃匹配
6．4基于深度學(xué)習(xí)的立體匹配
6．4．1方法分類
6．4．2立體匹配網(wǎng)絡(luò)
6．4．3基于特征級聯(lián)CNN的
匹配
6．5視差圖誤差檢測與校正
總結(jié)和復(fù)習(xí)*
隨堂測試*
第7章多目立體視覺
7．1水平多目立體匹配
7．1．1水平多目圖像
7．1．2倒距離
7．2正交三目立體匹配
7．2．1基本原理
7．2．2基于梯度分類的正交
匹配
7．3多目立體匹配
7．3．1任意排列三目立體
匹配
7．3．2正交多目立體匹配
7．4亞像素級視差
7．4．1統(tǒng)計分布模型
7．4．2亞像素級視差計算
總結(jié)和復(fù)習(xí)*
隨堂測試*
第8章單目多圖像景物恢復(fù)
8．1單目景物恢復(fù)
8．2光度立體法
8．2．1景物亮度和圖像
亮度
8．2．2表面反射特性和
亮度
8．2．3景物表面朝向
8．2．4反射圖和亮度約束
方程
8．2．5光度立體法求解
8．3光度立體法進展
8．3．1光源標定
8．3．2非朗伯表面反射
模型
8．3．3彩色光度立體法
8．3．43D重建方法
8．4基于GAN的光度立體法
標定
8．4．1網(wǎng)絡(luò)結(jié)構(gòu)
8．4．2損失函數(shù)
8．5從運動求取結(jié)構(gòu)
8．5．1光流和運動場
8．5．2光流方程求解
8．5．3光流與表面取向
8．5．4光流與相對深度
8．6從分割剪影恢復(fù)形狀
總結(jié)和復(fù)習(xí)*
隨堂測試*
第9章單目單圖像景物恢復(fù)
9．1單幅圖像深度估計
9．1．1有監(jiān)督學(xué)習(xí)方法
9．1．2無監(jiān)督學(xué)習(xí)方法
9．1．3半監(jiān)督學(xué)習(xí)方法
9．2從影調(diào)恢復(fù)形狀
9．2．1影調(diào)與形狀
9．2．2亮度方程求解
9．3混合表面透視投影下的
SFS
9．3．1改進的Ward反射
模型
9．3．2透視投影下的圖像亮度
約束方程
9．3．3圖像亮度約束方程
求解
9．3．4基于BlinnPhong反射
模型
9．3．5新圖像亮度約束方程
求解
9．4紋理與表面朝向
9．4．1單目成像和畸變
9．4．2由紋理變化恢復(fù)
朝向
9．4．3檢測線段紋理消
失點
9．4．4確定圖像外消
失點
9．5由焦距確定深度
9．6根據(jù)三點透視估計位姿
總結(jié)和復(fù)習(xí)*
隨堂測試*
第3單元場景解釋
第10章知識表達和推理
10．1知識概述
10．2場景知識
10．2．1模型
10．2．2屬性超圖
10．2．3基于知識的
建模
10．3過程知識
10．4知識表達
10．4．1知識表達要求
10．4．2知識表達類型
10．4．3基本知識表達
方案
10．4．4人工智能中的知識
表達
10．4．5圖像理解系統(tǒng)中的
知識模塊
10．5邏輯系統(tǒng)
10．5．1謂詞演算規(guī)則
10．5．2利用定理證明
推理
10．5．3推理方法分類
10．6語義網(wǎng)
10．7產(chǎn)生式系統(tǒng)
總結(jié)和復(fù)習(xí)*
隨堂測試*
第11章廣義匹配
11．1匹配概述
11．1．1匹配策略和
類別
11．1．2匹配和配準
11．1．3匹配評價
11．2目標匹配
11．2．1對應(yīng)點匹配
11．2．2字符串匹配
11．2．3慣量等效橢圓
匹配
11．2．4形狀矩陣匹配
11．2．5結(jié)構(gòu)匹配和
量度
11．3動態(tài)模式匹配
11．4關(guān)系匹配
11．5圖同構(gòu)匹配
11．5．1圖論簡介
11．5．2圖同構(gòu)和匹配
11．6線條圖標記和解釋
11．6．1輪廓標記
11．6．2結(jié)構(gòu)推理
11．6．3回溯標記
11．7借助匹配實現(xiàn)配準
11．7．1基于特征匹配的異構(gòu)
遙感圖像配準
11．7．2基于空間關(guān)系推理的
圖像匹配
11．8多模態(tài)圖像匹配
11．8．1基于區(qū)域的
技術(shù)
11．8．2基于特征的
技術(shù)
總結(jié)和復(fù)習(xí)*
隨堂測試*
第12章場景分析和語義解釋
12．1場景理解概述
12．2模糊推理
12．2．1模糊集合和模糊
運算
12．2．2模糊推理方法
12．3遺傳算法圖像解釋
12．3．1遺傳算法原理
12．3．2語義分割和
解釋
12．4場景目標標記
12．5場景分類
12．5．1詞袋/特征包
模型
12．5．2pLSA模型
12．5．3LDA模型
12．6遙感圖像判讀
12．6．1遙感圖像判讀方法
分類
12．6．2遙感圖像判讀知識
圖譜
12．7混合增強視覺認知
12．7．1從計算機視覺感
知到計算機視覺
認知
12．7．2混合增強視覺認知
相關(guān)技術(shù)
總結(jié)和復(fù)習(xí)*
隨堂測試*
第4單元研究示例
第13章同時定位和制圖
13．1SLAM概況
13．1．1激光SLAM
13．1．2視覺SLAM
13．1．3對比和結(jié)合
13．2激光SLAM算法
13．2．1Gmapping算法
13．2．2Cartographer
算法
13．2．3LOAM算法
13．3視覺SLAM算法
13．3．1ORBSLAM系列
算法
13．3．2LSDSLAM
算法
13．3．3SVO算法
13．4群體機器人和群體
SLAM
13．4．1群體機器人的
特性
13．4．2群體SLAM要解決
的問題
13．5SLAM的新動向
13．5．1SLAM與深度學(xué)習(xí)
的結(jié)合
13．5．2SLAM與多智能體
的結(jié)合
總結(jié)和復(fù)習(xí)*
隨堂測試*
第14章多傳感器圖像信息融合
14．1信息融合概述
14．2圖像融合
14．2．1圖像融合的主要
步驟
14．2．2圖像融合的三個
層次
14．2．3圖像融合效果
評價
14．3像素級融合方法
14．3．1基本融合方法
14．3．2融合方法的
結(jié)合
14．3．3小波融合時的最佳
分解層數(shù)
14．3．4壓縮感知圖像
融合
14．3．5像素級融合
示例
14．4雙能透射和康普頓背散射
融合
14．4．1成像技術(shù)的互補性
分析
14．4．2互補融合
14．5高光譜圖像空間光譜特征
提取
14．5．1傳統(tǒng)高光譜特征
提取方法
14．5．2基于深度學(xué)習(xí)的
空間光譜特征
提取方法
14．6特征級和決策級融合
方法
14．6．1貝葉斯法
14．6．2證據(jù)推理法
14．6．3粗糙集理論法
14．7多源遙感圖像融合
14．7．19種多源遙感數(shù)
據(jù)源
14．7．2多源遙感圖像融合
文獻
14．7．3遙感圖像的空間光譜
融合
14．7．4基于深度循環(huán)殘差
網(wǎng)絡(luò)的融合
總結(jié)和復(fù)習(xí)*
隨堂測試*
第15章基于內(nèi)容的圖像和視頻
檢索
15．1圖像和視頻檢索原理
15．2視覺特征的匹配和檢索
15．2．1顏色特征匹配
15．2．2紋理特征計算
15．2．3多尺度形狀
特征
15．2．4綜合特征檢索
15．3基于運動特征的視頻
檢索
15．3．1全局運動特征
15．3．2局部運動特征
15．4基于分層匹配追蹤的
檢索
15．4．1檢索框圖
15．4．2單層圖像特征
提取
15．4．3多層特征提取和
圖像檢索
15．4．4結(jié)合顏色直
方圖
15．5視頻節(jié)目分析和索引
15．5．1新聞視頻結(jié)
構(gòu)化
15．5．2體育比賽視頻
排序
15．5．3家庭錄像視頻
組織
15．6語義分類檢索
15．6．1基于視覺關(guān)鍵詞的
圖像分類
15．6．2高層語義與
氣氛
15．7基于深度學(xué)習(xí)的跨模態(tài)
檢索
15．7．1跨模態(tài)檢索技術(shù)
分類
15．7．2圖像標題自動
生成
15．8圖像檢索中的哈希
15．8．1有監(jiān)督哈希
15．8．2非對稱監(jiān)督深度離散
哈希
15．8．3跨模態(tài)圖像檢索中的
哈希
總結(jié)和復(fù)習(xí)*
隨堂測試*
第16章時空行為理解
16．1時空技術(shù)
16．2時空興趣點
16．3動態(tài)軌跡學(xué)習(xí)和分析
16．3．1自動場景建模
16．3．2學(xué)習(xí)路徑
16．3．3自動活動分析
16．4動作分類和識別
16．4．1動作分類
16．4．2動作識別
16．5結(jié)合姿態(tài)和上下文的動作
分類
16．5．1基于姿態(tài)模型的動作
分類器
16．5．2基于上下文的動作分
類器
16．6活動和行為建模
16．6．1動作建模
16．6．2活動建模和
識別
16．7主體與動作聯(lián)合建模
16．7．1單標簽主體動作
識別
16．7．2多標簽主體動作
識別
16．7．3主體動作語義
分割
16．8基于關(guān)節(jié)點的行為識別
16．8．1使用CNN作為
主干
16．8．2使用RNN作為
主干
16．8．3使用GCN作為
主干
16．8．4使用混合網(wǎng)絡(luò)作為
主干
16．9異常事件檢測
16．9．1異常事件檢測方法
分類
16．9．2基于卷積自編碼器塊
學(xué)習(xí)的檢測
16．9．3基于單類神經(jīng)網(wǎng)絡(luò)的
檢測
總結(jié)和復(fù)習(xí)*
隨堂測試*
附錄A視覺和視知覺
A．1視知覺概述
A．2視覺特性
A．2．1視覺的空間特性
A．2．2視覺的時間特性
A．2．3視覺的亮度特性
A．3形狀知覺
A．3．1圖形和背景
A．3．2輪廓和主觀輪廓
A．3．3幾何圖形錯覺
A．4空間知覺
A．4．1兩種空間知覺觀
A．4．2非視覺性深度
線索
A．4．3雙目深度線索
A．4．4單目深度線索
A．5運動知覺
A．6生物視覺與立體視覺
A．6．1生物視覺和雙目
視覺
A．6．2從單目到雙目
立體
主題索引
部分思考題和練習(xí)題解答*
參考文獻*