智慧視覺感知

出版說明
前言
第1章 緒論
1.1 人類視覺
1.1.1 人眼結構及成像特點
1.1.2 視網膜感光細胞及光的波長
1.1.3 視覺形成過程及特性
1.2 計算機視覺
1.2.1 計算機視覺的概念及意義
1.2.2 相關學科的區別和聯系
1.3 基於深度學習的智能視覺感知技術
1.3.1 深度學習
1.3.2 常見的智能視覺感知技術
1.4 智能視覺感知的應用語言與軟件
1.5 智能視覺感知的應用
1.6 內容安排
1.7 本章小結
習題
第2章 圖像生成與表示
2.1 不同性質的電磁波
2.2 成像設備
2.2.1 CCD相機
2.2.2 視頻攝像機
2.2.3 多光譜成像設備
2.2.4 光場相機
2.3 數字圖像
2.3.1 數字圖像的定義
2.3.2 幾種不同類型的圖像
2.4 攝像機標定
2.4.1 攝像機標定的概念和意義
2.4.2 攝像機標定分類
2.4.3 攝像機成像坐標系
2.4.4 攝像機成像模型
2.5 從二維圖像到三維結構
2.6 其他類型的視覺傳感器
2.6.1 測微密度計
2.6.2 X射線
2.6.3 磁共振
2.6.4 三維掃描儀
2.7 本章小結
習題
第3章 圖像濾波與增強
3.1 圖像處理
3.1.1 改善圖像質量
3.1.2 檢測低層特徵
3.2 灰度級映射
3.2.1 亮度調整
3.2.2 圖像求反
3.2.3 動態範圍壓縮
3.2.4 對比度增強
3.3 去噪濾波
3.3.1 常見的噪聲
3.3.2 濾波的工作原理
3.3.3 幾種主要的濾波
3.4 圖像平滑
3.4.1 均值濾波
3.4.2 高斯濾波
3.4.3 自適應平滑濾波
3.5 邊緣檢測
3.5.1 人類視覺邊緣檢測
3.5.2 LOG邊緣檢測器
3.5.3 Canny邊緣檢測器
3.6 捲積
3.6.1 模板運算定義
3.6.2 捲積運算
3.7 本章小結
習題
第4章 顏色與紋理分析
4.1 顏色物理學
4.1.1 傳感被照物體
4.1.2 感受器的敏感性
4.2 基色系統
4.2.1 RGB基色系統
4.2.2 CMY基色系統
4.2.3 HSV基色系統
4.2.4 HSI基色系統
4.2.5 LAB基色系統
4.3 明暗分析
4.3.1 單一光源的照射
4.3.2 漫反射
4.3.3 鏡面反射法
4.3.4 隨距離變大而變暗
4.3.5 人類的色感機制
4.4 紋理與描述
4.4.1 紋理特徵的概念
4.4.2 紋理特徵的主要應用
4.5 測量紋理特徵
4.5.1 邊緣密度與方向
4.5.2 局部二值分解
4.5.3 共生矩陣和特徵
4.5.4 Laws紋理能量測度
4.5.5 自相關和功率譜
4.6 紋理分割
4.7 本章小結
習題
第5章 圖像分割
5.1 區域分割
5.1.1 聚類方法
5.1.2 區域增長法
5.2 區域表示
5.2.1 覆蓋圖
5.2.2 標記圖像
5.2.3 邊界編碼
5.2.4 四叉樹
5.2.5 特徵表
5.3 輪廓分割
5.3.1 區域邊界跟蹤
5.3.2 Canny邊緣檢測和連接
5.3.3 相鄰連貫的邊緣生成曲線
5.3.4 用霍夫變換檢測直線和圓弧
5.4 線段擬合模型
5.4.1 直線擬合
5.4.2 參數的封閉解
5.4.3 擬合中存在的問題
5.5 運動一致性分割
5.5.1 時空邊界
5.5.2 運動軌跡聚類
5.6 本章小結
習題
第6章 三維視覺感知
6.1 三維視覺概述
6.1.1 三維視覺的主要方法
6.1.2 與三維視覺感知相關的軟硬件系統
6.1.3 三維視覺計算需要滿足的條件
6.2 3D仿射變換
6.2.1 坐標系
6.2.2 平移
6.2.3 縮放
6.2.4 旋轉
6.2.5 基於剛體變換的比對
6.3 攝像機成像模型
6.3.1 模型的介紹
6.3.2 透視變換矩陣
6.3.3 正交投影與弱透視投影
6.3.4 基於多攝像機的成像模型
6.4 雙目視覺
6.4.1 雙目成像和視差
6.4.2 雙目視覺的相機標定
6.4.3 立體匹配
6.5 結構光
6.5.1 結構光的概念和工作原理
6.5.2 結構光的分類
6.5.3 相移法
6.6 三維重建
6.6.1 3D數據獲取
6.6.2 圖像配準
6.6.3 基於泊松方程的錶面重建
6.6.4 優化
6.6.5 三維重建常見算法
6.7 本章小結
習題
第7章 基於深度學習的視覺感知
7.1 深度學習簡介
7.1.1 人工神經網絡
7.1.2 深度學習的概念
7.2 人工智能與深度學習
7.2.1 圖靈測試問題
7.2.2 深度學習帶動人工智能發展
7.3 機器學習
7.3.1 常見的概念
7.3.2 經典的機器學習方法
7.4 智能視覺感知任務與深度學習
7.4.1 顏色
7.4.2 紋理
7.4.3 形狀
7.5 深度學習基本原理
7.5.1 基本原理
7.5.2 深度學習和神經網絡的區別和聯系
7.6 深度學習常見模型
7.6.1 深度捲積神經網絡
7.6.2 深度置信網絡