圖像工程：圖像理解（下冊 第4版）

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圖像技術(shù)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

1．4內(nèi)容框架和特點

總結(jié)和復(fù)習(xí)

第1單元采 集 表 達

第2章攝像機成像

2．1視覺過程

2．2攝像機成像模型

2．2．1基本攝像機模型

2．2．2近似投影模式

2．2．3一般攝像機模型

2．2．4通用成像模型

2．3攝像機標(biāo)定

2．3．1標(biāo)定程序和參數(shù)

2．3．2兩級標(biāo)定法

2．4亮度成像

2．4．1光度學(xué)和光源

2．4．2從亮度到照度

總結(jié)和復(fù)習(xí)

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(zhǔn)

3．4．3典型重構(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(fù)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)

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

總結(jié)和復(fù)習(xí)

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

5．4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)

第2單元景 物 重 建

第6章立體視覺： 雙目

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視差圖誤差檢測與校正

總結(jié)和復(fù)習(xí)

第7章立體視覺： 多目

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亞像素級視差計算

總結(jié)和復(fù)習(xí)

第8章景物恢復(fù)： 多圖像

8．1單目景物恢復(fù)

8．2光度立體學(xué)

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光度立體學(xué)求解

8．3從運動求取結(jié)構(gòu)

8．3．1光流和運動場

8．3．2光流方程求解

8．3．3光流與表面取向

8．3．4光流與相對深度

總結(jié)和復(fù)習(xí)

第9章景物恢復(fù)： 單圖像

9．1從影調(diào)恢復(fù)形狀

9．1．1影調(diào)與形狀

9．1．2亮度方程求解

9．2紋理與表面朝向

9．2．1單目成像和畸變

9．2．2由紋理變化恢復(fù)朝向

9．2．3檢測線段紋理消失點

9．2．4確定圖像外消失點

9．3由焦距確定深度

9．4根據(jù)三點透視估計位姿

總結(jié)和復(fù)習(xí)

第3單元場 景 解 釋

第10章知識表達和推理

10．1知識基礎(chǔ)

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圖像理解系統(tǒng)中的知識模塊

10．4．4基本知識表達方案

10．5邏輯系統(tǒng)

10．5．1謂詞演算規(guī)則

10．5．2利用定理證明來推理

10．6語義網(wǎng)

10．7產(chǎn)生式系統(tǒng)

總結(jié)和復(fù)習(xí)

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(zhǔn)

11．1．3匹配評價

11．2目標(biāo)匹配

11．2．1匹配的度量

11．2．2對應(yīng)點匹配

11．2．3字符串匹配

11．2．4慣量等效橢圓匹配

11．2．5形狀矩陣匹配

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(biāo)記和匹配

總結(jié)和復(fù)習(xí)

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(biāo)標(biāo)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

總結(jié)和復(fù)習(xí)

第4單元研 究 示 例

第13章多傳感器圖像信息融合

13．1信息融合概述

13．2圖像融合

13．2．1圖像融合的主要步驟

13．2．2圖像融合的三個層次

13．2．3圖像融合效果評價

13．3像素級融合方法

13．3．1基本融合方法

13．3．2融合方法的結(jié)合

13．3．3小波融合時的最佳分解層數(shù)

13．3．4壓縮感知圖像融合

13．3．5像素級融合示例

13．4特征級和決策級融合方法

13．4．1貝葉斯法

13．4．2證據(jù)推理法

13．4．3粗糙集理論法

總結(jié)和復(fù)習(xí)

第14章基于內(nèi)容的圖像和視頻檢索

14．1圖像和視頻檢索原理

14．2視覺特征的匹配和檢索

14．2．1顏色特征匹配

14．2．2紋理特征計算

14．2．3多尺度形狀特征

14．2．4綜合特征檢索

14．3基于運動特征的視頻檢索

14．3．1全局運動特征

14．3．2局部運動特征

14．4視頻節(jié)目分析和索引

14．4．1新聞視頻結(jié)構(gòu)化

14．4．2體育比賽視頻排序

14．4．3家庭錄像視頻組織

14．5語義分類檢索

14．5．1基于視覺關(guān)鍵詞的圖像分類

14．5．2高層語義與氣氛

總結(jié)和復(fù)習(xí)

第15章時空行為理解

15．1時空技術(shù)

15．2時空興趣點

15．3動態(tài)軌跡學(xué)習(xí)和分析

15．3．1自動場景建模

15．3．2學(xué)習(xí)路徑

15．3．3自動活動分析

15．4動作分類和識別

15．4．1動作分類

15．4．2動作識別

15．5活動和行為建模

15．5．1動作建模

15．5．2活動建模和識別

15．6主體與動作聯(lián)合建模

15．6．1單標(biāo)簽主體動作識別

15．6．2多標(biāo)簽主體動作識別

15．6．3主體動作語義分割

總結(jié)和復(fù)習(xí)

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輪廓

A.3．2圖形和背景

A.3．3幾何圖形錯覺

A.4空間知覺

A.4．1非視覺性深度線索

A.4．2雙目深度線索

A.4．3單目深度線索

A.5運動知覺

部分思考題和練習(xí)題解答

參考文獻

主題索引