智能视觉感知

智能视觉感知是人工智能的重要组成部分。本书系统介绍了智能视觉感知领域的基础知识、典型方法和关键技术。本书共8章，第1章为绪论，第2~5章介绍二维视觉感知的关键技术，即图像生成与表示、图像滤波与增强、颜色与纹理分析、图像分割四部分内容；第6章介绍三维视觉感知；第7章介绍基于深度学习的视觉感知；第8章介绍视觉SLAM。读者可以从中了解智能视觉感知的基本理论方法与前沿进展，并能据此解决智能视觉应用中的实际问题。本书例题丰富多样，每章均有习题，并在书后附有参考文献；本书另配有相应的数字化课程，读者可登录网站（https：//wwwicourse163org/course/NEU-1465996192？from=searchPage&outVendor=zw_mooc_pcssjg_）观看每个知识点的微视频。 本书可作为自动化、人工智能、计算机科学、计算机应用、信号与信息处理、模式识别与智能系统等方向的大学本科或研究生的专业基础课教材，也可作为相关专业的远程教育课程教材，还可供从事智能视觉技术应用行业的科技工作者自学或科研参考。

高等院校教师

出版说明 前言 第1章绪论 11人类视觉 111人眼结构及成像特点 112视网膜感光细胞及光的波长 113视觉形成过程及特性 12计算机视觉 121计算机视觉的概念及意义 122相关学科的区别和联系 13基于深度学习的智能视觉感知 技术 131深度学习 132常见的智能视觉感知技术 14智能视觉感知的应用语言与 软件 15智能视觉感知的应用 16内容安排 17本章小结 习题 第2章图像生成与表示 21不同性质的电磁波 22成像设备 221CCD相机 222视频摄像机 223多光谱成像设备 224光场相机 23数字图像 231数字图像的定义 232几种不同类型的图像 24摄像机标定 241摄像机标定的概念和意义 242摄像机标定分类 243摄像机成像坐标系 244摄像机成像模型 25从二维图像到三维结构 26其他类型的视觉传感器 261测微密度计 262X射线 263磁共振 264三维扫描仪 27本章小结 习题 第3章图像滤波与增强 31图像处理 311改善图像质量 312检测低层特征 32灰度级映射 321亮度调整 322图像求反 323动态范围压缩 324对比度增强 33去噪滤波 331常见的噪声 332滤波的工作原理 333几种主要的滤波 34图像平滑 341均值滤波 342高斯滤波 343自适应平滑滤波 35边缘检测 351人类视觉边缘检测 352LOG边缘检测器 353Canny边缘检测器 36卷积 361模板运算定义 362卷积运算 37本章小结 习题 第4章颜色与纹理分析 41颜色物理学 411感测被照物体 412感受器的敏感性 42基色系统 421RGB基色系统 422CMY基色系统 423HSV基色系统 424HSI基色系统 425LAB基色系统 43明暗分析 431单一光源的照射 432漫反射 433镜面反射法 434随距离变大而变暗 435人类的色感机制 44纹理与描述 441纹理特征的概念 442纹理特征的主要应用 45测量纹理特征 451边缘密度与方向 452局部二值分解 453共生矩阵和特征 454Laws纹理能量测度 455自相关和功率谱 46纹理分割 47本章小结 习题 第5章图像分割 51区域分割 511聚类方法 512区域增长法 52区域表示 521覆盖图 522标记图像 523边界编码 524四叉树 525特征表 53轮廓分割 531区域边界跟踪 532Canny边缘检测和连接 533相邻连贯的边缘生成曲线 534用霍夫变换检测直线和圆弧 54线段拟合模型 541直线拟合 542参数的封闭解 543拟合中存在的问题 55运动一致性分割 551时空边界 552运动轨迹聚类 56本章小结 习题 第6章三维视觉感知 61三维视觉概述 611三维视觉的主要方法 612与三维视觉感知相关的软硬件 系统 613三维视觉计算需要满足的条件 623D仿射变换 621坐标系 622平移 623缩放 624旋转 625基于刚体变换的比对 63摄像机成像模型 631模型的介绍 632透视变换矩阵 633正交投影与弱透视投影 634基于多摄像机的成像模型 64双目视觉 641双目成像和视差 642双目视觉的相机标定 643立体匹配 65结构光 651结构光的概念和工作原理 652结构光的分类 653相移法 66三维重建 6613D数据获取 662图像配准 663基于泊松方程的表面重建 664优化 665三维重建常见算法 67本章小结 习题 第7章基于深度学习的视觉感知 71深度学习简介 711人工神经网络 712深度学习的概念 72人工智能与深度学习 721图灵测试问题 722深度学习带动人工智能发展 73机器学习 731常见的概念 732经典的机器学习方法 74智能视觉感知任务与深度 学习 741颜色 742纹理 743形状 75深度学习基本原理 751基本原理 752深度学习和神经网络的区别和 联系 76深度学习常见模型 761深度卷积神经网络 762深度置信网络 763卷积玻尔兹曼机 764自编码器 77深度学习开发框架与视觉 应用 771深度学习开发框架 772深度学习视觉应用 78本章小结 习题 第8章视觉SLAM 81ROS操作系统 811ROS的概念 812ROS特点 813ROS版本选择 82经典视觉SLAM框架 821SLAM的概念和分类 822视觉SLAM框架 83三维空间刚体运动 831旋转矩阵和旋转向量 832欧拉角 833四元数 834相似、仿射、射影变换 84位姿估计 841位姿估计的研究意义 842常见的方法 85点云配准 851粗配准方案 852精配准方案 853结合法 86本章小结 习题 参考文献