目录
注： 加*号的部分均已电子化，可扫描二维码下载并使用。
第1章绪论
1．1图像工程的发展
1．1．1基本概念和定义
概括
1．1．2图像工程发展情况
回顾
1．2图像理解及相关学科
1．2．1图像理解
1．2．2计算机视觉
1．2．3其他相关学科
1．2．4图像理解的应用领域
1．3图像理解理论框架
1．3．1马尔视觉计算理论
1．3．2对马尔理论框架的
改进
1．3．3关于马尔重建理论
的讨论
1．3．4新理论框架的研究
1．3．5从心理认知出发的
讨论
1．4深度学习简介
1．4．1图像理解中的深度
学习
1．4．2卷积神经网络的基本
概念
1．4．3深度学习核心技术
1．4．4深度学习的应用
1．5内容框架和特点
总结和复习*
随堂测试*
第1单元采 集 表 达
第2章摄像机成像和标定
2．1视觉过程
2．2亮度成像模型
2．2．1光度学和光源
2．2．2从亮度到照度
2．3空间成像模型
2．3．1基本摄像机模型
2．3．2近似投影模式
2．3．3一般摄像机模型
2．3．4透镜畸变
2．3．5通用成像模型
2．4摄像机标定
2．4．1标定方法分类
2．4．2标定程序和参数
2．4．3两级标定法
2．4．4精度提升
2．5在线摄像机外参数标定
方法
2．5．1车道线检测与数据
筛选
2．5．2优化重投影误差
2．6自标定方法
2．7结构光主动视觉系统的
标定
2．7．1投影模型和标定
2．7．2图案分离
2．7．3计算单应性矩阵
2．7．4计算标定参数
总结和复习*
随堂测试*
第3章压缩感知与成像
3．1压缩感知概述
3．2稀疏表达
3．3测量矩阵及特性
3．3．1采样/测量模型
3．3．2测量矩阵特性
3．4解码重构
3．4．1重构原理
3．4．2测量矩阵的校准
3．4．3典型重构算法
3．4．4基于深度学习的重构
算法
3．5稀疏编码与字典学习
3．5．1字典学习与矩阵
分解
3．5．2非负矩阵分解
3．5．3端元提取
3．5．4稀疏编码
3．6压缩感知的成像应用
3．6．1单像素相机
3．6．2压缩感知磁共振
成像
总结和复习*
随堂测试*
第4章深度信息采集
4．1高维图像和成像方式
4．1．1高维图像种类
4．1．2本征图像和非本征
图像
4．1．3深度成像方式
4．2双目成像模式
4．2．1双目横向模式
4．2．2双目会聚横向模式
4．2．3双目轴向模式
4．3深度图像直接采集
4．3．1飞行时间法
4．3．2结构光法
4．3．3莫尔等高条纹法
4．3．4深度和亮度图像同时
采集
4．4显微镜3D分层成像
4．4．1景深和焦距
4．4．2显微镜3D成像
4．4．3共聚焦显微镜3D
成像
4．5等基线多摄像机组
4．5．1图像采集
4．5．2图像合并方法
4．6单摄像机多镜反射折射
系统
4．6．1总体系统结构
4．6．2成像和标定模型
总结和复习*
随堂测试*
第5章3D景物表达
5．1曲线和曲面的局部特征
5．1．1曲线局部特征
5．1．2曲面局部特征
5．23D表面表达
5．2．1参数表达
5．2．2表面朝向表达
5．3等值面的构造和表达
5．3．1行进立方体算法
5．3．2覆盖算法
5．3．3两种算法比较
5．4从并行轮廓插值3D表面
5．53D实体表达
5．5．1基本表达方案
5．5．2广义圆柱体表达
总结和复习*
随堂测试*
第2单元景 物 重 建
第6章双目立体视觉
6．1立体视觉模块
6．2基于区域的双目立体匹配
6．2．1模板匹配
6．2．2立体匹配
6．3基于特征的双目立体匹配
6．3．1基本步骤
6．3．2尺度不变特征
变换
6．3．3加速鲁棒性特征
6．3．4动态规划匹配
6．4基于深度学习的立体匹配
6．4．1方法分类
6．4．2立体匹配网络
6．4．3基于特征级联CNN的
匹配
6．5视差图误差检测与校正
总结和复习*
随堂测试*
第7章多目立体视觉
7．1水平多目立体匹配
7．1．1水平多目图像
7．1．2倒距离
7．2正交三目立体匹配
7．2．1基本原理
7．2．2基于梯度分类的正交
匹配
7．3多目立体匹配
7．3．1任意排列三目立体
匹配
7．3．2正交多目立体匹配
7．4亚像素级视差
7．4．1统计分布模型
7．4．2亚像素级视差计算
总结和复习*
随堂测试*
第8章单目多图像景物恢复
8．1单目景物恢复
8．2光度立体法
8．2．1景物亮度和图像
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反射图和亮度约束
方程
8．2．5光度立体法求解
8．3光度立体法进展
8．3．1光源标定
8．3．2非朗伯表面反射
模型
8．3．3彩色光度立体法
8．3．43D重建方法
8．4基于GAN的光度立体法
标定
8．4．1网络结构
8．4．2损失函数
8．5从运动求取结构
8．5．1光流和运动场
8．5．2光流方程求解
8．5．3光流与表面取向
8．5．4光流与相对深度
8．6从分割剪影恢复形状
总结和复习*
随堂测试*
第9章单目单图像景物恢复
9．1单幅图像深度估计
9．1．1有监督学习方法
9．1．2无监督学习方法
9．1．3半监督学习方法
9．2从影调恢复形状
9．2．1影调与形状
9．2．2亮度方程求解
9．3混合表面透视投影下的
SFS
9．3．1改进的Ward反射
模型
9．3．2透视投影下的图像亮度
约束方程
9．3．3图像亮度约束方程
求解
9．3．4基于BlinnPhong反射
模型
9．3．5新图像亮度约束方程
求解
9．4纹理与表面朝向
9．4．1单目成像和畸变
9．4．2由纹理变化恢复
朝向
9．4．3检测线段纹理消
失点
9．4．4确定图像外消
失点
9．5由焦距确定深度
9．6根据三点透视估计位姿
总结和复习*
随堂测试*
第3单元场 景 解 释
第10章知识表达和推理
10．1知识概述
10．2场景知识
10．2．1模型
10．2．2属性超图
10．2．3基于知识的
建模
10．3过程知识
10．4知识表达
10．4．1知识表达要求
10．4．2知识表达类型
10．4．3基本知识表达
方案
10．4．4人工智能中的知识
表达
10．4．5图像理解系统中的
知识模块
10．5逻辑系统
10．5．1谓词演算规则
10．5．2利用定理证明
推理
10．5．3推理方法分类
10．6语义网
10．7产生式系统
总结和复习*
随堂测试*
第11章广义匹配
11．1匹配概述
11．1．1匹配策略和
类别
11．1．2匹配和配准
11．1．3匹配评价
11．2目标匹配
11．2．1对应点匹配
11．2．2字符串匹配
11．2．3惯量等效椭圆
匹配
11．2．4形状矩阵匹配
11．2．5结构匹配和
量度
11．3动态模式匹配
11．4关系匹配
11．5图同构匹配
11．5．1图论简介
11．5．2图同构和匹配
11．6线条图标记和解释
11．6．1轮廓标记
11．6．2结构推理
11．6．3回溯标记
11．7借助匹配实现配准
11．7．1基于特征匹配的异构
遥感图像配准
11．7．2基于空间关系推理的
图像匹配
11．8多模态图像匹配
11．8．1基于区域的
技术
11．8．2基于特征的
技术
总结和复习*
随堂测试*
第12章场景分析和语义解释
12．1场景理解概述
12．2模糊推理
12．2．1模糊集合和模糊
运算
12．2．2模糊推理方法
12．3遗传算法图像解释
12．3．1遗传算法原理
12．3．2语义分割和
解释
12．4场景目标标记
12．5场景分类
12．5．1词袋/特征包
模型
12．5．2pLSA模型
12．5．3LDA模型
12．6遥感图像判读
12．6．1遥感图像判读方法
分类
12．6．2遥感图像判读知识
图谱
12．7混合增强视觉认知
12．7．1从计算机视觉感
知到计算机视觉
认知
12．7．2混合增强视觉认知
相关技术
总结和复习*
随堂测试*
第4单元研 究 示 例
第13章同时定位和制图
13．1SLAM概况
13．1．1激光SLAM
13．1．2视觉SLAM
13．1．3对比和结合
13．2激光SLAM算法
13．2．1Gmapping算法
13．2．2Cartographer
算法
13．2．3LOAM算法
13．3视觉SLAM算法
13．3．1ORBSLAM系列
算法
13．3．2LSDSLAM
算法
13．3．3SVO算法
13．4群体机器人和群体
SLAM
13．4．1群体机器人的
特性
13．4．2群体SLAM要解决
的问题
13．5SLAM的新动向
13．5．1SLAM与深度学习
的结合
13．5．2SLAM与多智能体
的结合
总结和复习*
随堂测试*
第14章多传感器图像信息融合
14．1信息融合概述
14．2图像融合
14．2．1图像融合的主要
步骤
14．2．2图像融合的三个
层次
14．2．3图像融合效果
评价
14．3像素级融合方法
14．3．1基本融合方法
14．3．2融合方法的
结合
14．3．3小波融合时的最佳
分解层数
14．3．4压缩感知图像
融合
14．3．5像素级融合
示例
14．4双能透射和康普顿背散射
融合
14．4．1成像技术的互补性
分析
14．4．2互补融合
14．5高光谱图像空间光谱特征
提取
14．5．1传统高光谱特征
提取方法
14．5．2基于深度学习的
空间光谱特征
提取方法
14．6特征级和决策级融合
方法
14．6．1贝叶斯法
14．6．2证据推理法
14．6．3粗糙集理论法
14．7多源遥感图像融合
14．7．19种多源遥感数
据源
14．7．2多源遥感图像融合
文献
14．7．3遥感图像的空间光谱
融合
14．7．4基于深度循环残差
网络的融合
总结和复习*
随堂测试*
第15章基于内容的图像和视频
检索
15．1图像和视频检索原理
15．2视觉特征的匹配和检索
15．2．1颜色特征匹配
15．2．2纹理特征计算
15．2．3多尺度形状
特征
15．2．4综合特征检索
15．3基于运动特征的视频
检索
15．3．1全局运动特征
15．3．2局部运动特征
15．4基于分层匹配追踪的
检索
15．4．1检索框图
15．4．2单层图像特征
提取
15．4．3多层特征提取和
图像检索
15．4．4结合颜色直
方图
15．5视频节目分析和索引
15．5．1新闻视频结
构化
15．5．2体育比赛视频
排序
15．5．3家庭录像视频
组织
15．6语义分类检索
15．6．1基于视觉关键词的
图像分类
15．6．2高层语义与
气氛
15．7基于深度学习的跨模态
检索
15．7．1跨模态检索技术
分类
15．7．2图像标题自动
生成
15．8图像检索中的哈希
15．8．1有监督哈希
15．8．2非对称监督深度离散
哈希
15．8．3跨模态图像检索中的
哈希
总结和复习*
随堂测试*
第16章时空行为理解
16．1时空技术
16．2时空兴趣点
16．3动态轨迹学习和分析
16．3．1自动场景建模
16．3．2学习路径
16．3．3自动活动分析
16．4动作分类和识别
16．4．1动作分类
16．4．2动作识别
16．5结合姿态和上下文的动作
分类
16．5．1基于姿态模型的动作
分类器
16．5．2基于上下文的动作分
类器
16．6活动和行为建模
16．6．1动作建模
16．6．2活动建模和
识别
16．7主体与动作联合建模
16．7．1单标签主体动作
识别
16．7．2多标签主体动作
识别
16．7．3主体动作语义
分割
16．8基于关节点的行为识别
16．8．1使用CNN作为
主干
16．8．2使用RNN作为
主干
16．8．3使用GCN作为
主干
16．8．4使用混合网络作为
主干
16．9异常事件检测
16．9．1异常事件检测方法
分类
16．9．2基于卷积自编码器块
学习的检测
16．9．3基于单类神经网络的
检测
总结和复习*
随堂测试*
附录A视觉和视知觉
A．1视知觉概述
A．2视觉特性
A．2．1视觉的空间特性
A．2．2视觉的时间特性
A．2．3视觉的亮度特性
A．3形状知觉
A．3．1图形和背景
A．3．2轮廓和主观轮廓
A．3．3几何图形错觉
A．4空间知觉
A．4．1两种空间知觉观
A．4．2非视觉性深度
线索
A．4．3双目深度线索
A．4．4单目深度线索
A．5运动知觉
A．6生物视觉与立体视觉
A．6．1生物视觉和双目
视觉
A．6．2从单目到双目
立体
主题索引
部分思考题和练习题解答*
参考文献*
