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。
作者简介:
高盛华 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 上海科技大学信息科学与技术学院副研究员，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
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
1.3 图像的颜色 10
1.4 图像的亮度 14
1.5 渲染 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
2.3 图像的平滑 28
2.4 图像的锐化 32
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
3.3 基于深度学习的边缘检测 45
3.4 基于非学习方法的关键点检测 51
3.5 基于深度学习的语义关键点检测 65
3.6 基于非学习方法的直线检测 78
3.7 基于深度学习的线段检测 87
3.8 本章小结 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
4.4 基于支持向量机的图像分类 108
4.5 基于自编码器的图像表达 117
4.6 基于卷积神经网络的图像分类 122
4.7 基于胶囊网络的图像分类 143
4.8 基于基于Transformer的视频分类的图像分类 149
4.9 本章小结 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
5.3 基于卷积神经网络的目标检测 183
5.4 基于基于Transformer的视频分类的目标检测 199
5.5 本章小结 203
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
6.3 语义分割 216
6.4 实例分割 223
6.5 全景分割 228
6.6 点云分割 232
6.7 本章小结 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
7.3 基于循环神经网络的视频分类 263
7.4 基于卷积神经网络的视频分类 270
7.5 基于Transformer的视频分类 282
7.6 时序动作定位 291
7.7 本章小结 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
8.5 基于深度学习的多视角重建 328
8.6 基于深度学习的场景的单目深度估计 332
8.7 深度学习对基于不同形状表达的三维重建 338
8.8 本章小结 370
参考文献 370
点击下载