圖像工程——下冊:圖像理解(第5版)
章毓晉
相關主題
商品描述
目錄大綱
目錄
註: 加*號的部分均已電子化,可掃描二維碼下載並使用。
第1章緒論
1.1圖像工程的發展
1.1.1基本概念和定義
概括
1.1.2圖像工程發展情況
回顧
1.2圖像理解及相關學科
1.2.1圖像理解
1.2.2電腦視覺
1.2.3其他相關學科
1.2.4圖像理解的應用領域
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關於馬爾重建理論
的討論
1.3.4新理論框架的研究
1.3.5從心理認知出發的
討論
1.4深度學習簡介
1.4.1圖像理解中的深度
學習
1.4.2捲積神經網絡的基本
概念
1.4.3深度學習核心技術
1.4.4深度學習的應用
1.5內容框架和特點
總結和復習*
隨堂測試*
第1單元採 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
2.4.3兩級標定法
2.4.4精度提升
2.5在線攝像機外參數標定
方法
2.5.1車道線檢測與數據
篩選
2.5.2優化重投影誤差
2.6自標定方法
2.7結構光主動視覺系統的
標定
2.7.1投影模型和標定
2.7.2圖案分離
2.7.3計算單應性矩陣
2.7.4計算標定參數
總結和復習*
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採樣/測量模型
3.3.2測量矩陣特性
3.4解碼重構
3.4.1重構原理
3.4.2測量矩陣的校準
3.4.3典型重構算法
3.4.4基於深度學習的重構
算法
3.5稀疏編碼與字典學習
3.5.1字典學習與矩陣
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壓縮感知的成像應用
3.6.1單像素相機
3.6.2壓縮感知磁共振
成像
總結和復習*
隨堂測試*
第4章深度信息採集
4.1高維圖像和成像方式
4.1.1高維圖像種類
4.1.2本徵圖像和非本徵
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深度圖像直接採集
4.3.1飛行時間法
4.3.2結構光法
4.3.3莫爾等高條紋法
4.3.4深度和亮度圖像同時
採集
4.4顯微鏡3D分層成像
4.4.1景深和焦距
4.4.2顯微鏡3D成像
4.4.3共聚焦顯微鏡3D
成像
4.5等基線多攝像機組
4.5.1圖像採集
4.5.2圖像合並方法
4.6單攝像機多鏡反射折射
系統
4.6.1總體系統結構
4.6.2成像和標定模型
總結和復習*
隨堂測試*
第5章3D景物表達
5.1曲線和曲面的局部特徵
5.1.1曲線局部特徵
5.1.2曲面局部特徵
5.23D錶面表達
5.2.1參數表達
5.2.2錶面朝向表達
5.3等值面的構造和表達
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從並行輪廓插值3D錶面
5.53D實體表達
5.5.1基本表達方案
5.5.2廣義圓柱體表達
總結和復習*
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基於區域的雙目立體匹配
6.2.1模板匹配
6.2.2立體匹配
6.3基於特徵的雙目立體匹配
6.3.1基本步驟
6.3.2尺度不變特徵
變換
6.3.3加速魯棒性特徵
6.3.4動態規劃匹配
6.4基於深度學習的立體匹配
6.4.1方法分類
6.4.2立體匹配網絡
6.4.3基於特徵級聯CNN的
匹配
6.5視差圖誤差檢測與校正
總結和復習*
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基於梯度分類的正交
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統計分佈模型
7.4.2亞像素級視差計算
總結和復習*
隨堂測試*
第8章單目多圖像景物恢復
8.1單目景物恢復
8.2光度立體法
8.2.1景物亮度和圖像
亮度
8.2.2錶面反射特性和
亮度
8.2.3景物錶面朝向
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非朗伯錶面反射
模型
8.3.3彩色光度立體法
8.3.43D重建方法
8.4基於GAN的光度立體法
標定
8.4.1網絡結構
8.4.2損失函數
8.5從運動求取結構
8.5.1光流和運動場
8.5.2光流方程求解
8.5.3光流與錶面取向
8.5.4光流與相對深度
8.6從分割剪影恢復形狀
總結和復習*
隨堂測試*
第9章單目單圖像景物恢復
9.1單幅圖像深度估計
9.1.1有監督學習方法
9.1.2無監督學習方法
9.1.3半監督學習方法
9.2從影調恢復形狀
9.2.1影調與形狀
9.2.2亮度方程求解
9.3混合錶面透視投影下的
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基於BlinnPhong反射
模型
9.3.5新圖像亮度約束方程
求解
9.4紋理與錶面朝向
9.4.1單目成像和畸變
9.4.2由紋理變化恢復
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根據三點透視估計位姿
總結和復習*
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基於知識的
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圖像理解系統中的
知識模塊
10.5邏輯系統
10.5.1謂詞演算規則
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
10.7產生式系統
總結和復習*
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結構匹配和
量度
11.3動態模式匹配
11.4關系匹配
11.5圖同構匹配
11.5.1圖論簡介
11.5.2圖同構和匹配
11.6線條圖標記和解釋
11.6.1輪廓標記
11.6.2結構推理
11.6.3回溯標記
11.7借助匹配實現配準
11.7.1基於特徵匹配的異構
遙感圖像配準
11.7.2基於空間關系推理的
圖像匹配
11.8多模態圖像匹配
11.8.1基於區域的
技術
11.8.2基於特徵的
技術
總結和復習*
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/特徵包
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從電腦視覺感
知到電腦視覺
認知
12.7.2混合增強視覺認知
相關技術
總結和復習*
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
13.3.1ORBSLAM系列
算法
13.3.2LSDSLAM
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與深度學習
的結合
13.5.2SLAM與多智能體
的結合
總結和復習*
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
結合
14.3.3小波融合時的最佳
分解層數
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徵
提取
14.5.1傳統高光譜特徵
提取方法
14.5.2基於深度學習的
空間光譜特徵
提取方法
14.6特徵級和決策級融合
方法
14.6.1貝葉斯法
14.6.2證據推理法
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
據源
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基於深度循環殘差
網絡的融合
總結和復習*
隨堂測試*
第15章基於內容的圖像和視頻
檢索
15.1圖像和視頻檢索原理
15.2視覺特徵的匹配和檢索
15.2.1顏色特徵匹配
15.2.2紋理特徵計算
15.2.3多尺度形狀
特徵
15.2.4綜合特徵檢索
15.3基於運動特徵的視頻
檢索
15.3.1全局運動特徵
15.3.2局部運動特徵
15.4基於分層匹配追蹤的
檢索
15.4.1檢索框圖
15.4.2單層圖像特徵
提取
15.4.3多層特徵提取和
圖像檢索
15.4.4結合顏色直
方圖
15.5視頻節目分析和索引
15.5.1新聞視頻結
構化
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基於視覺關鍵詞的
圖像分類
15.6.2高層語義與
氣氛
15.7基於深度學習的跨模態
檢索
15.7.1跨模態檢索技術
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有監督哈希
15.8.2非對稱監督深度離散
哈希
15.8.3跨模態圖像檢索中的
哈希
總結和復習*
隨堂測試*
第16章時空行為理解
16.1時空技術
16.2時空興趣點
16.3動態軌跡學習和分析
16.3.1自動場景建模
16.3.2學習路徑
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結合姿態和上下文的動作
分類
16.5.1基於姿態模型的動作
分類器
16.5.2基於上下文的動作分
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基於關節點的行為識別
16.8.1使用CNN作為
主乾
16.8.2使用RNN作為
主乾
16.8.3使用GCN作為
主乾
16.8.4使用混合網絡作為
主乾
16.9異常事件檢測
16.9.1異常事件檢測方法
分類
16.9.2基於捲積自編碼器塊
學習的檢測
16.9.3基於單類神經網絡的
檢測
總結和復習*
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
部分思考題和練習題解答*
參考文獻*