圖像工程技術(shù)選編（二）

定　價：￥59.00

作　者：	章毓晉，王貴錦，陳健生
出版社：	清華大學出版社
叢編項：	電子信息前沿技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302542308	出版時間：	2020-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	288	字數(shù)：

內(nèi)容簡介

　　本書是《圖像工程技術(shù)選編》之二，另選取了九類當前得到廣泛使用的圖像技術(shù)給予介紹。對每類技術(shù)，先對其中的基本概念、工作的基本原理、過程的基本步驟給予概括介紹，以幫助了解和學習該類技術(shù)；接下來介紹幾種具體實現(xiàn)技術(shù)功能的典型方法作為示例，以了解該類技術(shù)過程的特點，幫助達到有效運用該類技術(shù)進行圖像加工的目的；最后介紹一些近年來在相關(guān)技術(shù)方面發(fā)表的文獻，總結(jié)歸納它們的特點，以幫助深入開展進一步的工作。

作者簡介

　　章毓晉1989年獲比利時列日大學應用科學博士學位。1989年至1993年為荷蘭德爾夫特大學博士后及研究人員。從1993年到中國北京清華大學工作，1997年被聘為教授，1998年被評為博士生導師。2014年成為教學科研系列長聘教授。2003年學術(shù)休假期間同時被聘為新加坡南洋理工大學訪問教授。在清華大學，先后開出并講授10多門本科生和研究生課程。在南洋理工大學，開出并講授過研究生課程：“現(xiàn)代圖像分析（英語）”。已出版了圖像工程系列教材第1版、第2版、第3版和第4版等教材，以及專著《圖象分割》，《基于內(nèi)容的視覺信息檢索》，《基于子空間的人臉識別》，編著了《英漢圖像工程辭典》（第1版和第2版）和《圖像工程技術(shù)選編》，主編了《Advances in Image and Video Segmentation》，《Semantic-Based Visual Information Retrieval》，《Advances in Face Image Analysis： Techniques and Technologies》?，F(xiàn)為中國圖象圖形學學會副理事長；國際電氣電子工程師協(xié)會（IEEE）高級會員；國際光學工程協(xié)會

圖書目錄

目錄
第0章引言
0.1圖像技術(shù)
0.1.1圖像工程
0.1.2圖像技術(shù)分類
0.2本書特點
0.2.1寫作動機
0.2.2選材內(nèi)容
0.2.3結(jié)構(gòu)安排
第1章聚焦棧成像
1.1聚焦棧圖像的定義
1.2聚焦棧的采集
1.3基于聚焦棧的光場重建
1.3.1光場的采集方式
1.3.2聚焦棧光場重建算法
回顧
1.3.3聚焦棧與光場的線性
成像模型
1.3.4基于線性成像模型的迭代
濾波反投影光場重建
1.3.5實驗與分析
1.4聚焦棧全清晰成像
1.4.1算法框架
1.4.2梯度流
1.4.3種子點提取
1.4.4全聚焦合成
1.4.5全清晰成像實驗及
對比
1.5近期文獻分類總結(jié)
第2章圖像去模糊
2.1圖像去模糊概述
2.1.1通用圖像退化模型
2.1.2模糊退化
2.1.3模糊核估計
2.2經(jīng)典去模糊方法
2.2.1逆濾波
2.2.2維納濾波
2.2.3有約束小平方恢復
2.3估計運動模糊核
2.3.1快速盲反卷積
2.3.2基于CNN的方法
2.4低分辨率圖像去模糊
2.4.1網(wǎng)絡結(jié)構(gòu)
2.4.2損失函數(shù)設計
2.4.3多類生成對抗網(wǎng)絡
2.5近期文獻分類總結(jié)
第3章圖像去霧
3.1圖像去霧方法概述
3.2暗通道先驗去霧算法
3.2.1大氣散射模型
3.2.2暗通道先驗模型
3.2.3實用中的一些問題
3.3改進思路和方法
3.3.1大氣光區(qū)域確定
3.3.2大氣光值校正
3.3.3尺度自適應
3.3.4大氣透射率估計
3.3.5濃霧圖像去霧
3.4改善失真的綜合算法
3.4.1綜合算法流程
3.4.2T空間轉(zhuǎn)換
3.4.3透射率空間的大氣散
射圖
3.4.4天空區(qū)域檢測
3.4.5對比度增強
3.5去霧效果評價
3.5.1客觀評價指標
3.5.2主客觀結(jié)合的評價
實例
3.6近期文獻分類總結(jié)

第4章顯著性目標檢測
4.1顯著性概述
4.2顯著性檢測
4.3基于對比度提取顯著性
區(qū)域
4.3.1基于對比度幅值
4.3.2基于對比度分布
4.3.3基于小方向?qū)Ρ榷?br />4.3.4顯著性目標分割和
評價
4.4基于背景先驗提取顯著性
區(qū)域
4.4.1相似距離
4.4.2小柵欄距離的近似
計算
4.4.3流水驅(qū)動的顯著性區(qū)
域檢測
4.4.4定位目標候選區(qū)域
4.5基于穩(wěn)定區(qū)域提取顯
著性區(qū)域
4.6近期文獻分類總結(jié)
第5章基于圖像的生物特征識別
5.1生物特征識別概述
5.1.1生物特征模態(tài)
5.1.2生物特征識別系統(tǒng)
5.1.3生物特征識別的評價
方法
5.2人臉識別
5.2.1人臉檢測
5.2.2人臉特征提取
5.2.3人臉識別數(shù)據(jù)庫
5.3指紋識別
5.3.1指紋的結(jié)構(gòu)與特征
5.3.2指紋識別方法
5.3.3指紋數(shù)據(jù)庫
5.4虹膜識別
5.4.1虹膜分割
5.4.2虹膜特征提取
5.4.3虹膜數(shù)據(jù)庫
5.5步態(tài)識別
5.5.1基于人工設計特征的
步態(tài)識別
5.5.2基于深度學習的步態(tài)
識別
5.5.3步態(tài)數(shù)據(jù)庫
5.6近期文獻分類總結(jié)
第6章人臉三維重建
6.1人臉三維重建概述
6.1.1基于從陰影恢復形狀
的人臉三維重建
6.1.2基于統(tǒng)計模型的人臉
三維重建
6.1.3基于從運動恢復結(jié)構(gòu)
的人臉三維重建
6.2基于光照錐恢復的人臉三維
重建
6.2.1問題的建模
6.2.2求解步驟
6.2.3重建結(jié)果
6.2.4人臉對稱性的應用
6.3基于統(tǒng)計模型的人臉三維
重建
6.3.1三維形變模型
（3DMM）
6.3.2基于球諧波光照模型
的重建方法
6.3.3基于徑向基函數(shù)快速
三維重建方法
6.4基于運動視頻序列的人臉
三維重建
6.5基于深度學習的人臉三維
重建
6.5.1結(jié)合3DMM的深度學習
重建方法
6.5.2深度學習模型直接回歸
人臉三維模型
6.6近期文獻分類總結(jié)
第7章基于深度圖的手勢交互
7.1手勢交互概述
7.1.1基于深度圖的手部姿態(tài)
估計
7.1.2動態(tài)手勢識別
7.2基于姿態(tài)引導結(jié)構(gòu)化區(qū)域集成
網(wǎng)絡的手部姿態(tài)估計
7.2.1數(shù)據(jù)集及評價指標
7.2.2區(qū)域集成網(wǎng)絡
7.2.3姿態(tài)引導的結(jié)構(gòu)化區(qū)域
集成網(wǎng)絡
7.3基于骨架的動態(tài)手勢識別
7.3.1動態(tài)手勢識別技術(shù)
概要
7.3.2運動特征增強網(wǎng)絡
7.3.3實驗結(jié)果分析
7.4近期文獻分類總結(jié)
第8章同時定位與制圖
8.1視覺SLAM概述
8.2視覺SLAM系統(tǒng)實現(xiàn)
8.2.1數(shù)據(jù)端的預處理
8.2.2視覺里程計
8.3結(jié)合機器學習的姿態(tài)優(yōu)化與
語義建圖
8.3.1基于Faster RCNN
優(yōu)化
8.3.2姿態(tài)估計分析
8.3.3語義重建
8.3.4定位演示
8.4近期文獻分類總結(jié)
第9章圖像釋意
9.1圖像釋意概述
9.1.1圖像釋意數(shù)據(jù)集和
數(shù)據(jù)預處理
9.1.2圖像釋意的生成方式
及評測指標
9.1.3圖像釋意發(fā)展的三個
階段
9.2基于傳統(tǒng)方法的圖像釋意
模型
9.2.1基于語言模板的模型
9.2.2基于檢索的模型
9.2.3傳統(tǒng)生成式模型
9.3基于編碼器解碼器模型的
圖像釋意
9.3.1模型的損失函數(shù)
9.3.2編碼器解碼器模型
結(jié)構(gòu)
9.3.3基于注意力機制的
模型
9.3.4編碼器解碼器模型的
分支
9.4圖像釋意模型性能對比
9.5近期文獻分類總結(jié)
參考文獻
術(shù)語索引