圖像理解

第1章 緒論 1
1.1 圖像理解簡介 1
1.2 圖像理解及相關學科 2
1.2.1 圖像分析 2
1.2.2 圖像理解 3
1.2.3 計算機視覺 4
1.2.4 其他相關學科 5
1.2.5 圖像理解的應用領域 6
1.3 圖像理解的理論框架 7
1.3.1 馬爾視覺計算理論 7
1.3.2 對馬爾視覺計算理論框架的改進 11
1.3.3 關於馬爾視覺重建理論的討論 13
1.3.4 新理論框架的研究 14
1.4 內容框架和特點 15
1.5 本章小結 16
習題 16
第2章 數字圖像基礎與開源環境 17
2.1 數字圖像的基礎概念 17
2.1.1 數字圖像的定義 17
2.1.2 數字圖像的特性 19
2.1.3 數字圖像的要素 20
2.1.4 數字圖像的存儲格式 21
2.1.5 數字圖像的分類 22
2.1.6 數字圖像處理的研究領域 23
2.2 ImagePy簡介 24
2.2.1 ImagePy主界面 24
2.2.2 ImagePy的功能 25
2.2.3 二維圖像的直方圖 26
2.2.4 基礎運算 27
2.2.5 彩色圖像的像素運算 28
2.2.6 如何利用ImagePy學習本書 29
2.3 本章小結 30
習題 30

第3章 圖像增強 31
3.1 空域增強：點操作 31
3.1.1 圖像坐標變換 31
3.1.2 圖像間運算 34
3.1.3 圖像灰度映射 36
3.1.4 直方圖變換 38
3.2 空域增強：模板操作 42
3.2.1 像素間聯系 42
3.2.2 模板運算 45
3.2.3 線性濾波 46
3.2.4 非線性濾波 49
3.3 頻域增強 51
3.3.1 頻域濾波原理 52
3.3.2 低通和高通濾波器 52
3.3.3 帶阻和帶通濾波器 56
3.3.4 同態濾波器 57
3.4 本章小結 58
習題 59
第4章 圖像分割 60
4.1 圖像分割定義 60
4.2 圖像分割技術分類 61
4.2.1 並行邊界技術 61
4.2.2 串行邊界技術 66
4.2.3 並行區域技術 68
4.2.4 串行區域技術 75
4.3 典型分割算法 77
4.3.1 圖割算法 77
4.3.2 分水嶺分割算法 80
4.3.3 菲爾森茨瓦布分割算法 85
4.4 本章小結 86
習題 86
第5章 目標的表達與描述 88
5.1 目標的表達 88
5.1.1 基於邊界的表達 88
5.1.2 基於區域的表達 92
5.1.3 基於變換的表達 97
5.2 目標的描述 99
5.2.1 基於邊界的描述 99
5.2.2 基於區域的描述 101
5.2.3 基於目標關系的描述 107
5.3 本章小結 113
習題 113
第6章 圖像識別 115
6.1 模式和分類 115
6.2 統計模式識別 116
6.2.1 最小距離分類器 116
6.2.2 最優統計分類器 117
6.2.3 自適應自舉 121
6.3 感知機和支持向量機 122
6.3.1 感知機 122
6.3.2 支持向量機 125
6.4 結構模式識別 129
6.4.1 字符串結構模式識別 129
6.4.2 樹結構模式識別 132
6.5 模糊模式識別 134
6.6 本章小結 135
習題 136
第7章 攝像機成像與深度信息采集 137
7.1 視覺過程 137
7.2 攝像機成像模型 139
7.2.1 基本攝像機模型 139
7.2.2 近似投影模式 143
7.2.3 一般攝像機模型 145
7.2.4 通用成像模型 147
7.3 攝像機標定 149
7.3.1 標定程序和參數 149
7.3.2 兩級標定法 151
7.4 高維圖像和成像方式 153
7.4.1 高維圖像種類 153
7.4.2 本征圖像和非本征圖像 154
7.4.3 深度成像方式 154
7.5 雙目成像模式 155
7.5.1 雙目橫向模式 155
7.5.2 雙目會聚橫向模式 157
7.5.3 雙目軸向模式 159
7.6 深度圖像直接采集 160
7.6.1 飛行時間法 160
7.6.2 深度和亮度圖像同時采集 162
7.7 本章小結 163
習題 163
第8章 3D景物表達 164
8.1 曲線和曲面的局部特征 164
8.1.1 曲線的局部特征 164
8.1.2 曲面的局部特征 167
8.2 3D表面表達 170
8.2.1 參數表達 170
8.2.2 表面朝向表達 171
8.3 等值面的構造和表達 174
8.3.1 行進立方體算法 174
8.3.2 移動四面體算法 176
8.4 從並行輪廓插值3D表面 177
8.5 3D實體表達 181
8.6 本章小結 185
習題 185
第9章 雙目立體視覺與多視圖3D重建 186
9.1 立體視覺模塊 186
9.2 基於區域的雙目立體匹配 188
9.2.1 模板匹配 189
9.2.2 立體匹配 190
9.3 基於特征的雙目立體匹配 193
9.3.1 基本步驟 193
9.3.2 特征點深度 193
9.4 從運動中求取結構 194
9.4.1 特征提取與匹配 195
9.4.2 稀疏重建 198
9.4.3 MVS稠密重建 203
9.5 本章小結 204
習題 204
第10章 知識表示和推理 206
10.1 知識基礎 206
10.2 場景知識 207
10.2.1 模型 207
10.2.2 屬性超圖 208
10.2.3 基於知識的建模 209
10.3 過程知識 209
10.4 知識表示 211
10.4.1 知識表示的要求 211
10.4.2 知識表示的類型 212
10.4.3 圖像理解系統中的知識模塊 213
10.4.4 基本知識表示方法 214
10.5 邏輯系統 215
10.5.1 謂詞演算規則 215
10.5.2 推理 217
10.6 語義網 219
10.7 產生式系統 222
10.8 本章小結 223
習題 223
第11章 場景分析和語義解釋 225
11.1 場景理解概述 225
11.2 模糊推理 227
11.2.1 模糊集和模糊運算 227
11.2.2 模糊推理方法 228
11.3 場景目標標記 230
11.4 場景分類 233
11.4.1 詞袋模型 233
11.4.2 pLSA模型 235
11.4.3 LDA模型 239
11.5 本章小結 241
習題 242
第12章 案例 243
12.1 遙感圖像3D重建 243
12.1.1 簡介 243
12.1.2 3D重建方法 244
12.1.3 應用 247
12.2 3D點雲語義分割 250
12.2.1 簡介 250
12.2.2 PointNet++ 253
12.2.3 A-CNN 255
12.2.4 Point Transformer模型 256
12.2.5 應用 258
12.3 本章小結 259
習題 259
參考文獻 260