新書推薦:
《
中国古代的谣言与谶语
》
售價:NT$
510.0
《
战役图文史:改变世界历史的50场战役 (彩印典藏版)
》
售價:NT$
666.0
《
寻路:走向西南联大(西南联大文库)
》
售價:NT$
302.0
《
短视频Vlog全流程:镜头脚本+运镜技巧+场景主题+后期剪辑
》
售價:NT$
406.0
《
英国小史
》
售價:NT$
426.0
《
影响力原则
》
售價:NT$
354.0
《
德川家康(全十三册)(他用30年活了下来,建立起300年基业)
》
售價:NT$
4155.0
《
新知文库·动人的北平
》
售價:NT$
155.0
編輯推薦:
本书内容体系连续贯通,依次学习能帮助读者全面、深入、系统地学习图像处理技术。相比于国内外同类教材,本书与最新科研成果结合比较紧密,每次再版均充实了最新研究成果和得到广泛使用的典型技术,新内容的引进比较早。在教材所引用和参考的文献中,作者自己发表的就有100多篇,科研成果的引入提高了内容的先进性。
从教学的角度考虑,本书具有以下特点:
(1)尽快进入主题:把先修或预备内容安排在需先修部分的同一章之前,没有安排专门的基础知识章,更加实用,也突出了课程主线的内容。
(2)内容模块化:正式内容分别结合进4个相关的学习单元,每个单元都围绕一个主题(自成体系),既加强了全书的系统性和结构性,也有利于复习考核。
(3)配套资源丰富:每章配套PPT课件、微课视频、随堂测试、扩展阅读等内容,便于课堂学习和课后自学。
(4)资源开放共享:总结和复习、部分思考题和练习题解答、参考文献、PPT课件、微课视频、随堂测试等资源均已电子化,扫描对应二维码即可下载。
內容簡介:
本册书是《图像工程》第5版的下册,比较全面地介绍图像工程的第三层次——图像理解的基础概念、基本原理、典型方法、实用技术以及国际上相关内容研究的新成果。可作为相关专业研究生教材。本册书主要分为4个单元。第1单元(包含第2~5章)介绍采集表达技术,第2单元(包含第6~9章)介绍景物重建技术,第3单元(包含第10~12章)介绍场景解释技术,第4单元(包含第13~16章)介绍研究示例。书中还提供了大量例题、思考题和练习题,并对部分练习题提供了解答。书末还给出了主题索引。
關於作者:
章毓晋,1989年获比利时列日大学应用科学博士学位。1989—1993年为荷兰德尔夫特大学博士后及研究人员。1993年到中国北京清华大学工作,1997年被聘为教授,1998年被评为博士生导师。2014年成为教学科研系列长聘教授。2003年学术休假期间同时被聘为新加坡南洋理工大学访问教授。 在清华大学,先后开出并讲授10多门本科生和研究生课程。在南洋理工大学,开出并讲授过研究生课程:“现代图像分析(英语)”。已编写出版了图像工程系列教材第1版、第2版、第3版和第4版,以及其他中英文图像工程教材约20本,还翻译出版了多本国外图像工程教材。已在国内外发表了30多篇教学研究论文。 主要科学研究领域为其积极倡导的图像工程(图像处理、图像分析、图像理解及其技术应用)和相关学科。从1996年起已连续二十八年对中国图像工程的研究及主要文献进行了系统的年度分类总结综述。已在国内外发表了500多篇图像工程研究论文,出版了专著《图象分割》,《基于内容的视觉信息检索》,《基于子空间的人脸识别》,编著了《英汉图像工程辞典》(第1版和第2版)和《图像工程技术选编》,主编了《Advances in Image and Video Segmentation》,《Semantic-Based Visual Information Retrieval》,《Advances in Face Image Analysis: Techniques and Technologies》。
现为中国图象图形学学会名誉监事长,会士;国际光学工程协会(SPIE)会士(因在图像工程方面的成就)。
目錄 :
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*
內容試閱 :
这是《图像工程》第5版,全套书仍分3册,分别为《图像工程(上册)——图像处理》、《图像工程(中册)——图像分析》和《图像工程(下册)——图像理解》。它们全面介绍图像工程的基础概念、基本原理、典型方法、实用技术以及国际上相关内容研究的新成果。
《图像工程》第4版也分3册,名称相同。上、中、下册均于2018年出版,《图像工程》第4版的3册合订本也在2018年出版。第4版至今已重印22次,总计印刷2万多册。另有电子版。
《图像工程》第3版也分3册,名称相同。上、中、下册均于2012年出版,2013年出版了《图像工程》第3版的3册合订本。第3版共重印13次,总计印刷3万多册。
《图像工程》第2版也分3册,名称相同。上、中、下册分别于2006年、2005年和2007年出版,2007年还出版了《图像工程》第2版的3册合订本。第2版共重印18次,总计印刷近7万册。
《图像工程》第1版也分3册,名称分别为《图像工程(上册)——图像处理和分析》、《图像工程(下册)——图像理解和计算机视觉》和《图像工程(附册)——教学参考及习题解答》。这三册分别于1999年、2000年和2002年出版。第1版共重印27次,总计印刷约11万册。
《图像工程》的多次重印表明作者一直倡导的,为了对各种图像技术进行综合研究、集成应用而建立的整体框架——图像工程——作为一门系统地研究各种图像理论、技术和应用的新的交叉学科得到了广泛的认可,相关教材也在教学中得到大量使用。同时,随着研究的深入和技术的发展,编写新版的工作也逐渐提上议事日程。
第5版的编写开始于2022年,是年暑假静心构思了全套书的整体框架。其后,根据框架陆续收集了一些最新的相关书籍和文献(包括印刷版和电子版),仔细进行了阅读并做了笔记。这为新版的编写打下了一个坚实的基础。其间,还结合以往课堂教学和学生反馈,对一些具体内容(包括习题)进行了整理和调整。第5版内容具有一定的深度和广度,希望读者通过本套书的学习,能够独立和全面地了解该领域的基本理论、技术、应用和发展。
第5版在编写方针上,仍如前4版那样力求突出理论性、实用性、系统性、实时性; 在内容叙述上,力求理论概念严谨,论证简明扼要。第5版在内容方面,基本保留了第4版中有代表性的经典内容,同时考虑到图像技术的飞速发展,认真选取了近年的一些最新研究成果和得到广泛使用的典型技术进行充实。这些新内容既参考了许多有关文献,也结合了作者的一些研究工作和成果以及这些年来的教学教案。除每册书均增加了一章全新内容外,还各增加了多个节和小节,使全书内容更加完整。总体来说,第5版的内容覆盖面更广,介绍更全面、细致,整体篇幅比第4版增加约20%。第5版的内容根据技术发展进行了很多更新,21世纪20年代以来的参考文献约为总数的20%。
第5版在具体结构和章节安排方面仍然保留了上一版的特点:
第一,各册书均从第2章就开始介绍正式内容,更快进入主题。先修或预备内容分别安排在需要先修部分的同一章前部,从教学角度来说,更加实用,也突出了主线内容。
第二,除第1章绪论外,各册书的正式内容仍都结合成4个主题相关的单元(并画在封面上),每个单元都有具体说明,帮助选择学习。全书有较强的系统性和结构性,也有利于复习考核。
第三,各章中的习题均只有少部分给出了解答,使教师可以更灵活地选择布置。更多的习题和其余的习题解答将会放在出版社网站上,便于补充、改进,网址为https://www.tup.com.cn。
第四,各册书后均仍有主题索引(并给出了英文),这样既方便在书中查找有关内容,又方便在网上查找有关文献和解释。
第5版仍保留了第4版开始的举措,即可以扫描书中(黑白印刷的)图片旁的二维码,调出存放在出版社网站上对应的彩色图片,以获得更好的观察效果和更多的信息。
第5版还新增加了微课形式(对各章内容结合ppt进行讲解)及多选测试题(包括提示和解答),可扫描书中相应位置处的二维码获得。
从1996年开始编写《图像工程》第1版以来至今已20多年。其间,作者与许多读者(包括教师、学生、自学者等)有过各种形式的讨论和交流,除了与一些同行面谈外,许多人打来电话或发来电子邮件。这些讨论和交流给作者提供了许多宝贵的意见和建议,在编写这5版书中都起到了不可或缺的作用,特别是在解释和描述的详略方面都结合读者反馈意见进行了调整,从而更加容易理解和学习。值得指出的是,书中还汇集了多年来不少听课学生的贡献,许多例题和练习题是在历届学生作业和课堂讨论的基础上提炼出来的,一些图片还直接由学生帮助制作,在选材上也从学生的反馈中受到许多启发。借此机会向他们一并表示衷心的感谢。
书中有相当多的内容基于作者和他人共同研究的成果,特别是历年加入图像工程研究室的成员(按姓名拼音排): 学生(本科生、硕士生、博士生)安浩田、敖腾隆、边辉、卜莎莎、蔡伟、陈达勤、陈权崎、陈挺、陈伟、陈正华、程正东、崔崟、达内什瓦(DANESHVAR Elaheh)、戴声扬、段菲、方慕园、冯上平、傅卓、高永英、葛菁华、侯乐天、胡浩基、黄祥耀、黄翔宇、黄小明、黄英、贾波、贾超、贾慧星、姜帆、李佳童、李娟、李乐、李孟栖、李品一、李勍、李睿、李硕、李闻天、李相贤(LEE Sang Hyun)、李小鹏、李雪、梁含悦、刘宝弟、刘晨阳、刘峰、刘锴、刘青棣、刘惟锦、刘晓旻、刘忠伟、陆海斌、陆志云、罗惠韬、罗沄、明祐愍(MING YouMin)、朴寅奎(PARK In Kyu)、钱宇飞、秦暄、秦垠峰、阮孟贵(NGUYEN Manh Quy)、赛义(BAGHERI Saeid)、沈斌、谭华春、汤达、王树徽、王宇雄、王志国、王志明、王钟绪、温宇豪、文熙安(VINCENT Tristan)、吴高洪、吴纬、夏尔雷(PAULUS Charley)、向振、徐丹、徐枫、徐洁、徐培、徐寅、许翔宇、薛菲、薛景浩、严严、杨劲波、杨翔英、杨忠良、姚玉荣、游钱皓喆、于信男、鱼荣珍(EO Young Jin)、俞天利、袁静、贠亮、张宁、赵雪梅、郑胤、周丹、朱施展、朱小青、朱云峰,博士后高立志、王怀颖,以及进修教师和科研人员陈洪波、崔京守(CHOI Jeong Swu)、郭红伟、石俊生、杨卫平、曾萍萍、张贵仓等。各版书中采用的图表除作者本人制作的外,也包括他们在研究工作中收集和实验得到的。该书应该说是多人合作成果的体现。
最后,感谢妻子何芸、女儿章荷铭在各方面的理解和支持!
章毓晋
2023年暑假于书房
通信: 北京清华大学电子工程系,100084
电邮: zhangyj@tsinghua.edu.cn
主页: https://oa.ee.tsinghua.edu.cn/~zhangyujin/