搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
计算机视觉:从感知到重建
0.00     定价 ¥ 149.00
图书来源: 浙江图书馆(由JD配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787547864951
  • 作      者:
    高盛华,厉征鑫
  • 出 版 社 :
    上海科学技术出版社
  • 出版日期:
    2024-02-01
收藏
编辑推荐

本书以作者教学经验和研究成果为基础,配合大量插图,详细讲解传统计算机视觉方法,基于手动特征的经典算法,并深入介绍最前沿的深度学习技术。将传统的知识与深度学习的力量相结合应对不断变化的挑战。

阅读本书,您既能够理解计算机视觉的基本原理,又能够掌握当今最激动人心的技术。


展开
作者简介

高盛华简介:

上海科技大学信息科学与技术学院教授,长期从事计算机视觉与机器学习领域研究,发表多篇高水平计算机视觉领域学术论文。

厉征鑫简介:

上海科技大学信息科学与技术学院副研究员,博士毕业于江南大学,长期从事机器视觉、异常检测相关研究,发表多篇计算机视觉领域论文。


展开
内容介绍

本书主要介绍和探讨计算机视觉的一系列核心主题,包括相机成像,图像处理、分析和感知,三维重建等。首先介绍了相机模型、成像过程以及图像的颜色模型、照射模型、渲染模型等;然后系统性地介绍了图像滤波、特征提取、图像和视频感知与理解等多种任务,不仅详细讲解了各任务中的经典方法,还全面地介绍了前沿的基于深度学习的方法;最后介绍了三维重建中涉及的几何原理、重建步骤以及基于深度学习的新方法。

本书针对每一个核心问题单独成章,并着重讲解基本概念。通过大量的彩图,帮助读者理解问题。适合作为本科及研究生的计算机视觉和数字图像处理课程的教材,并且可以作为深度学习课程的参考书。同时,也可供对计算机视觉感兴趣的相关专业人士参考。


展开
目录

第1章 相机成像模型 /1

1.1 引言 /1

1.2 简单的相机模型 /2

1.2.1 相机数学模型 /2

1.2.2 相机的内参 /4

1.2.3 相机的外参 /6

1.2.4 相机成像公式 /7

1.2.5 相机成像畸变 /7

1.3 图像的颜色 /10

1.3.1 基于拜尔滤波器的颜色感知 /10

1.3.2 RGB颜色模型 /11

1.3.3 HSV颜色模型 /12

1.4 图像的亮度 /14

1.4.1 空间中的光 /14

1.4.2 物体表面的光线反射 /16

1.4.3 薄透镜成像的辐射度学 /17

1.4.4 数字成像过程 /19

1.5 渲染 /20

1.5.1 渲染方程 /20

1.5.2 光线追踪算法 /20

1.6 本章小结 /23

第2章 图像空间滤波 /24

2.1 引言 /24

2.2 卷积和互相关 /25

2.2.1 卷积 /25

2.2.2 互相关 /26

2.3 图像的平滑 /28

2.3.1 邻域均值滤波 /28

2.3.2 加权均值滤波 /28

2.3.3 高斯均值滤波 /29

2.3.4 中值滤波 /30

2.3.5 双边滤波 /30

2.4 图像的锐化 /32

2.4.1 梯度锐化 /32

2.4.2 拉普拉斯算子的二阶微分锐化 /33

2.4.3 非锐化掩膜与高频提升滤波 /34

2.5 本章小结 /35

第3章 图像特征提取 /36

3.1 引言 /36

3.2 基于非学习方法的边缘检测 /37

3.2.1 边缘、导数和梯度 /39

3.2.2 边缘的卷积形式计算 /40

3.2.3 噪声对边缘检测的影响和处理方法 /41

3.2.4 Canny边缘检测算子 /43

3.3 基于深度学习的边缘检测 /45

3.3.1 HED/45

3.3.2 RCF/47

3.3.3 CASENet/49

3.4 基于非学习方法的关键点检测 /51

3.4.1 角点检测原理 /53

3.4.2 Harris角点检测 /54

3.4.3 Harris角点检测的优势与不足 /58

3.4.4 高斯拉普拉斯算子 /59

3.4.5 高斯差分算子 /64

3.5 基于深度学习的语义关键点检测 /65

3.5.1 基于深度学习的人脸关键点检测 /65

3.5.2 人体关键点检测 /69

3.5.3 房间布局估计 /74

3.6 基于非学习方法的直线检测 /78

3.6.1 最小二乘法 /78

3.6.2 基于RANSAC的直线拟合 /82

3.6.3 霍夫变换 /84

3.7 基于深度学习的线段检测 /87

3.7.1 基于图表示的线段检测 /87

3.7.2 基于向量场表示的线段检测 /88

3.7.3 语义直线检测及应用 /89

3.8 本章小结 /91

参考文献 /91

第4章 图像分类 /94

4.1 引言 /94

4.2 图像表达 /97

4.3 基于手动特征的图像表达 /98

4.3.1 基于颜色直方图的图像表达 /98

4.3.2 基于经典的视觉词袋模型的图像表达 /99

4.3.3 基于空间金字塔匹配模型的图像表达 /104

4.3.4 基于压缩感知的图像表达 /105

4.3.5 基于高斯混合模型的图像特征编码 /107

4.4 基于支持向量机的图像分类 /108

4.4.1 面向线性可分数据的支持向量机分类 /108

4.4.2 面向非线性可分数据的支持向量机分类 /114

4.4.3 基于支持向量机的多分类实现 /116

4.4.4 基于视觉词袋模型和支持向量机的图像分类 /116

4.5 基于自编码器的图像表达 /117

4.5.1 多层感知机 /118

4.5.2 自编码器 /120

4.5.3 降噪自编码器 /121

4.6 基于卷积神经网络的图像分类 /122

4.6.1 卷积神经网络的组件 /122

4.6.2 神经网络的训练 /128

4.6.3 代表性图像分类卷积神经网络 /131

4.7 基于胶囊网络的图像分类 /143

4.7.1 CapsNet/144

4.7.2 堆叠胶囊自编码器 /147

4.8 基于Transformer的图像分类 /149

4.8.1 自然语言处理中的Transformer/149

4.8.2 基于Transformer的图像分类 /151

4.9 本章小结 /159

参考文献 /159

第5章 图像中目标检测 /164

5.1 引言 /164

5.2 基于手动特征的目标检测 /171

5.2.1 ViolaJones人脸检测算法 /172

5.2.2 基于DPM的目标检测 /176

5.3 基于卷积神经网络的目标检测 /183

5.3.1 两阶段目标检测算法 /185

5.3.2 单阶段目标检测算法 /190

5.3.3 无锚框的目标检测算法 /195

5.4 基于Transformer的目标检测 /199

5.4.1 DETR/199

5.4.2 Pix2seq/201

5.5 本章小结 /203

参考文献 /204

第6章 图像分割 /207

6.1 引言 /207

6.2 基于手动特征的图像分割算法 /209

6.2.1 基于图论的图像分割 /209

6.2.2 基于聚类的图像分割 /213

6.3 语义分割 /216

6.3.1 FCN/218

6.3.2 U Net/219

6.3.3 DeepLab/220

6.3.4 PSPNet/223

6.4 实例分割 /223

6.4.1 MaskR CNN/225

6.4.2 YOLACT/225

6.4.3 SOLO/227

6.5 全景分割 /228

6.5.1 PanopticFPN/229

6.5.2 UPSNet/230

6.6 点云分割 /232

6.6.1 用于图的卷积神经网络 /234

6.6.2 基于点云的语义分割 /238

6.7 本章小结 /244

参考文献 /244

第7章 视频分类和行为识别 /248

7.1 引言 /248

7.2 基于手动特征的视频分类 /253

7.2.1 基于词袋模型的视频表达和分类 /254

7.2.2 基于光流特征的视频表达和分类 /254

7.3 基于循环神经网络的视频分类 /263

7.3.1 循环神经网络 /263

7.3.2 双向循环神经网络 /264

7.3.3 长短期记忆网络 /266

7.3.4 门控制循环单元 /267

7.3.5 基于LSTM的视频表达 /267

7.4 基于卷积神经网络的视频分类 /270

7.4.1 单分支网络 /270

7.4.2 多分支网络 /278

7.5 基于Transformer的视频分类 /282

7.5.1 ViViT/282

7.5.2 TimeSFormer/285

7.5.3 VideoSwinTransformer/286

7.5.4 VideoCLIP/288

7.5.5 VLM/290

7.6 时序动作定位 /291

7.6.1 单阶段方法 /292

7.6.2 自顶向下的多阶段方法 /295

7.6.3 自底向上的多阶段方法 /299

7.7 本章小结 /304

参考文献 /304

第8章 图像三维重建 /311

8.1 引言 /311

8.2 对极几何 /313

8.3 相机标定 /317

8.4 基于传统算法的多视图立体重建 /321

8.4.1 简单的基于匹配三维点空间坐标求解方法 /321

8.4.2 基于平面扫描的场景深度估计 /322

8.4.3 基于视差的深度估计 /323

8.4.4 基于PatchMatch的立体重建 /325

8.5 基于深度学习的多视角重建 /328

8.5.1 MVSNet/329

8.5.2 Fast MVSNet/330

8.6 基于深度学习的场景的单目深度估计 /332

8.6.1 有监督学习的单目深度估计 /332

8.6.2 自监督学习的单目视频深度估计 /335

8.7 深度学习对基于不同形状表达的三维重建 /338

8.7.1 基于体素的显式三维表达 /338

8.7.2 基于多边形网格的显式三维表达 /344

8.7.3 基于隐函数的隐式物体表达 /348

8.7.4 基于神经立体渲染的多视角重建 /353

8.8 本章小结 /370

参考文献 /370


展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证