科技 类型
可以朗读 语音朗读
240千字 字数
2025-10-01 发行日期
展开全部

主编推荐语

全面介绍计算机视觉领域的核心理论与方法体系。

内容简介

本书内容丰富，涵盖了以下主要知识点：计算机视觉基本概念及技术基础、人类视觉感知与图像特征多层表达、图像特征与图像对齐、二值图像分析、区域分割、纹理特征分析、相机成像模型和标定技术、光流计算、三维重建、传统目标检测与识别算法、传统目标跟踪算法、智能目标识别与跟踪、三维点云特征及理解、视觉语言模型等。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 第1章 计算机视觉基础
  • 1.1 概述
  • 1.1.1 计算机视觉概念
  • 1.1.2 计算机视觉的发展历史及应用
  • 1.1.3 与其他学科之间的关系
  • 1.1.4 计算机视觉算法流程
  • 1.2 数字图像基础
  • 1.2.1 数字图像基本概念
  • 1.2.2 数字图像质量影响因素
  • 1.2.3 数字图像基本运算
  • 1.2.4 数字图像的空域处理
  • 1.2.5 图像滤波处理
  • 1.3 机器学习与人工智能技术
  • 1.3.1 人工智能技术的发展
  • 1.3.2 机器学习概念及常用算法
  • 1.3.3 机器学习与深度学习
  • 1.3.4 深度学习技术的发展
  • 1.3.5 神经元与人工神经网络
  • 1.3.6 神经网络结构
  • 1.3.7 卷积神经网络
  • 1.4 计算机视觉编程基础
  • 1.4.1 Python语言简介
  • 1.4.2 图像处理的软件包
  • 1.4.3 深度学习编程框架
  • 1.4.4 深度学习编程实例
  • 习题
  • 第2章 人类视觉感知与图像特征多层表达
  • 2.1 人眼结构与视觉特性
  • 2.1.1 人眼结构
  • 2.1.2 人眼视觉特性
  • 2.1.3 人类视觉感知
  • 2.1.4 颜色感知与色彩空间
  • 2.1.5 视觉感知特征及作用
  • 2.2 图像的多层次表达
  • 2.2.1 图像金字塔与人类的感知
  • 2.2.2 图像金字塔技术的作用
  • 2.3 滤波器
  • 2.3.1 滤波器概念
  • 2.3.2 空域滤波器
  • 2.3.3 频域滤波处理
  • 2.3.4 图像滤波与金字塔生成
  • 2.4 深度学习的多层特征
  • 2.4.1 图像的卷积运算
  • 2.4.2 卷积神经网络及多层特征
  • 习题
  • 第3章 图像特征与图像对齐
  • 3.1 图像特征及常见类型
  • 3.2 点特征
  • 3.3 边缘特征
  • 3.4 区域特征
  • 3.5 多视图及特征对应
  • 3.6 特征匹配技术
  • 3.7 图像对齐技术基础
  • 3.8 全局图像对齐
  • 3.8.1 基于几何变换的对齐
  • 3.8.2 基于投影变换的对齐
  • 3.9 智能图像对齐
  • 3.9.1 块对齐算法
  • 3.9.2 最优匹配点的智能图像对齐算法
  • 3.9.3 智能几何变换对齐
  • 3.9.4 智能关键点匹配算法
  • 习题
  • 第4章 二值图像分析
  • 4.1 二值图像概念
  • 4.2 二值图像的创建
  • 4.3 连通性及连通成分标记
  • 4.4 区域的边界
  • 4.5 图像骨架化
  • 4.6 数学形态学处理方法
  • 4.6.1 数学形态学基本运算
  • 4.6.2 数学形态学处理算法
  • 4.7 二值图像的应用实例
  • 习题
  • 第5章 区域分割
  • 5.1 区域分割概念
  • 5.2 传统图像分割
  • 5.2.1 阈值分割法
  • 5.2.2 基于区域的分割技术
  • 5.2.3 基于轮廓的分割技术
  • 5.3 图像语义概念
  • 5.4 语义分割技术发展及CNN基础
  • 5.5 基于深度学习的语义分割
  • 5.5.1 基于FCN的语义分割技术
  • 5.5.2 其他语义分割网络
  • 5.5.3 基于注意力机制的语义分割
  • 5.6 基于区域的智能分割算法
  • 习题
  • 第6章 纹理特征分析
  • 6.1 纹理的定义及分类
  • 6.2 纹理特征分析的常用方法
  • 6.3 基于纹理的分类与识别
  • 6.4 图像修复
  • 6.5 图像风格化处理
  • 习题
  • 第7章 相机成像模型和标定技术
  • 7.1 从3D到2D的成像
  • 7.2 相机成像模型
  • 7.3 摄像机标定技术基础
  • 7.4 对极几何与摄像机自标定
  • 7.5 智能成像模型学习方法
  • 习题
  • 第8章 光流计算
  • 8.1 光流概念
  • 8.2 光流估计的用途
  • 8.3 运动场与光流的关系
  • 8.4 光流估计方法
  • 8.5 基于深度学习的光流估计
  • 8.6 基于光流的智能表情分析实例
  • 习题
  • 第9章 三维重建
  • 9.1 三维重建基础
  • 9.2 三维场景表达方法
  • 9.2.1 立体表面表达
  • 9.2.2 空间点云表达
  • 9.2.3 体表达
  • 9.2.4 体素表达
  • 9.2.5 深度映像表达
  • 9.3 三维形状重建
  • 9.3.1 基于明暗恢复形状
  • 9.3.2 基于纹理恢复形状
  • 9.4 主动视觉与被动视觉重建
  • 9.4.1 主动视觉重建
  • 9.4.2 被动视觉重建
  • 9.5 智能三维重建算法
  • 9.5.1 单幅图像重建技术
  • 9.5.2 神经辐射场重建
  • 9.5.3 DeepSDF重建
  • 习题
  • 第10章 传统目标检测与识别算法
  • 10.1 目标识别概念
  • 10.2 目标识别算法分类
  • 10.3 目标识别算法流程
  • 10.4 滑动窗口目标检测算法
  • 10.5 目标识别词袋算法
  • 10.6 基于AdaBoost的人脸检测算法
  • 习题
  • 第11章 传统目标跟踪算法
  • 11.1 目标跟踪概念
  • 11.2 目标跟踪技术难点
  • 11.3 运动目标检测与跟踪
  • 11.4 传统跟踪算法基础
  • 11.5 典型目标跟踪算法
  • 11.5.1 核跟踪算法基础
  • 11.5.2 均值漂移算法
  • 11.6 卡尔曼滤波器跟踪算法
  • 11.7 相关滤波运动跟踪算法
  • 习题
  • 第12章 智能目标识别与跟踪
  • 12.1 智能目标识别算法基础
  • 12.2 R-CNN算法
  • 12.3 SPP-Net算法
  • 12.4 Fast R-CNN算法
  • 12.5 Faster R-CNN算法
  • 12.6 YOLOv1算法
  • 12.7 SSD算法
  • 12.8 YOLOv2算法
  • 12.9 YOLOv3算法
  • 12.10 基于YOLO的其他跟踪算法
  • 习题
  • 第13章 三维点云特征及理解
  • 13.1 点云滤波处理与表达
  • 13.1.1 点云滤波基础
  • 13.1.2 点云关键点提取与描述
  • 13.1.3 点云体素化与稀疏化表达
  • 13.2 点云特征描述方法
  • 13.2.1 点云特征描述子
  • 13.2.2 特征描述的算法实例
  • 13.3 智能点云运算算法实例
  • 13.3.1 智能点云运算技术的发展
  • 13.3.2 PointNet算法
  • 13.3.3 PointNet++算法
  • 13.3.4 PointConv算法
  • 13.4 三维点云语义理解
  • 13.5 三维点云目标分类
  • 习题
  • 第14章 视觉语言模型
  • 14.1 语言模型技术基础
  • 14.1.1 语言模型的词嵌入
  • 14.1.2 预训练语言模型
  • 14.1.3 大语言模型技术及发展
  • 14.2 视觉语言模型基础
  • 14.3 端到端的视觉语言模型
  • 14.3.1 CLIP模型
  • 14.3.2 ALBEF模型
  • 14.3.3 VLMo
  • 14.3.4 BLIP模型
  • 14.3.5 CoCa模型
  • 14.3.6 BEiT-3模型
  • 14.4 基于预训练的视觉语言模型
  • 14.4.1 BLIP-2模型
  • 14.4.2 InstructBLIP模型
  • 14.4.3 MiniGPT-4模型
  • 14.4.4 LLaVA模型
  • 14.4.5 VisualGLM-6B模型
  • 14.4.6 CogVLM模型
  • 14.4.7 MiniGPT-5模型
  • 14.4.8 GPT-4V模型
  • 14.5 稳定扩散模型
  • 14.5.1 扩散模型
  • 14.5.2 去噪扩散概率模型
  • 14.5.3 LDM
  • 14.5.4 SDM
  • 习题
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。