图像工程（下册）：图像理解（第3版） [Image Engineering(Ⅲ)Image Understanding(Third Edition)] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

章毓晋 著

图书标签:

• 图像工程
• 图像理解
• 计算机视觉
• 图像处理
• 模式识别
• 人工智能
• 机器学习
• 深度学习
• 图像分析
• 第三版

出版社： 清华大学出版社

ISBN：9787302302957

版次：3

商品编码：11160866

品牌：清华大学

包装：平装

外文名称：Image Engineering(Ⅲ)Image Understanding(Third Edition)

开本：16开

出版时间：2012-12-01

用纸：胶版纸

页数：405

字数：57

编辑推荐

　　《图像工程》的多次重印表明章毓晋老师一直倡导的，为了对各种图像技术进行综合研究、集成应用而建立的整体框架——图像工程作为一门系统地研究各种图像理论、技术和应用的新的交叉学科得到了广泛的认可。
　　本书主要介绍图像理解的内容，需要有一定的图像处理和图像分析基础，作为学习图像技术的第三本书来学习（如果自学的话，在学习完上册的前两个单元和中册的前两个单元后进行）。当学时比较紧张时，可先学习前两个单元，再从后两个单元中选取部分内容。
　　第1版获全国普通高等学校优秀教材一等奖
　　第2版评为全国普通高等教育“十一五”精品教材
　　第3版评为“十二五”普通高等教育本科国家级规划教材
　　2013年北京高等教育精品教材
　　在编写的方针上，力求具有理论性、实用性、系统性、实时性；在内容叙述上，力求理论概念严谨，论证简明扼要。保留了有代表性的经典内容，充实了研究成果和得到广泛使用的典型技术。
　　（1）从第2章就开始介绍正式内容，更快进入主题。先修或预备内容分别安排在需先修部分的同一章前，突出主线内容。
　　（2）除绪论外，正式内容都结合成4个单元，每个单元都有具体说明，全书的系统性和结构性均得到了加强。
　　（3）本书的PPT，更多的习题和其余的习题解答会放在出版社网站上，便于补充、改进，
　　（4）各册书后均增加了主题索引（并给出了英文），既方便在书中查找有关内容，也方便在网上查找有关文献。

内容简介

本书为《图像工程》第3版的下册，主要介绍图像工程的第三层次——图像理解的基本概念、基本原理、典型方法、实用技术以及国际上有关研究的新成果。
本书主要分为4个单元。第1单元（包含第2~4章）介绍图像采集表达技术，其中第2章介绍摄像机成像模型和标定技术，第3章介绍采集含深度信息图像的方法，第4章介绍各种表达3�睤景物的技术。第2单元（包含第5~8章）介绍景物重建技术，其中第5章介绍双目立体视觉方法，第6章介绍多目立体视觉方法，第7章介绍从多幅图像恢复景物的技术，第8章介绍从单幅图像恢复景物的技术。第3单元（包含第9~11章）介绍场景解释技术，其中第9章介绍知识表达和推理方法，第10章介绍目标和符号匹配技术，第11章介绍场景分析和语义解释的内容。第4单元（包含第12~14章）介绍三个研究示例，其中第12章介绍多传感器图像信息融合方法，第13章介绍基于内容的图像和视频检索技术，第14章介绍时空行为理解的内容。书中的附录介绍了有关视觉和视知觉的一些知识，与各章都有一些联系。书中还提供大量例题、思考题和练习题，并对部分练习题提供了解答。书末还给出了主题索引。
本书可作为信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统、计算机视觉等学科研究生专业基础或专业课教材，也可供信息与通信工程、电子科学与技术、计算机科学与技术、测控技术与仪器、机器人自动化、生物医学工程、光学、电子医疗设备研制、遥感、测绘和军事侦察等领域的科技工作者参考。

作者简介

　　章毓晋，1989年获比利时列日大学应用科学博士学位。1989年至1993年为荷兰德尔夫特大学博士后及研究人员。从1993年到中国北京清华大学工作，1997年被聘为教授，1998年被评为博士生导师。2003年学术休假期间同时被聘为新加坡南洋理工大学访问教授。
　　在清华大学，先后开出并讲授10多门本科生和研究生课程。在南洋理工大学，开出并讲授过研究生课程：“现代图像分析（英语）”。已编写出版了图像工程系列教材第1版和第2版，以及《图像处理和分析基础》，《图像处理和分析技术》（第2版），《图像处理和分析教程》、《计算机视觉教程》和《Image Engineering：Processing，Analysis，and Understanding》，翻译出版了《彩色数字图像处理》。已在国内外发表了30多篇教学研究论文。
　　主要科学研究领域为其积极倡导的图像工程（图像处理、图像分析、图像理解及其技术应用）和相关学科。从1996年起已连续十六年对中国图像工程的研究及主要文献进行了系统的年度分类总结综述。已在国内外发表400多篇图像工程研究论文，出版了专著《图象分割》，《基于内容的视觉信息检索》，《基于子空间的人脸识别》，编著了《英汉图像工程辞典》，主持编著了《Advancesin Imageand Video Segmentation》，《Semantic-Based Visual Information Retrieval》，《Advancesin Face Image Analysis：Techniques
　　and Technologies》。
　　现为中国图象图形学学会学术委员会主任；国际电气电子工程师协会（IEEE）高级会员；国际光学工程协会（SPIE）会士（因在图像工程方面的成就）；《中国图象图形学报》副主编，《电子与信息学报》，《计算机辅助设计与图形学学报》，《信号处理》和《自动化学报》编委；以及国际刊物《Pattern Recognition Letters》的associateeditor。曾任第一届、第二届、第四届、第五届和第六届国际图像图形学术会议（ICIG'2000，ICIG'2002，ICIG'2007，ICIG'2009，ICIG'2011）程序委员会主席，第十二届、第十三届、第十四届、第十五届和第十六届全国图像图形学术会议（NCIG2005，NCIG'2006，NCIG'2008，NCIG'2010，NCIG'2012）程序委员会席。

内页插图

目录

第1章 绪论
1.1 图像工程的发展
1.2 图像理解及相关学科
1.2.1 图像理解
1.2.2 计算机视觉
1.2.3 其他相关学科
1.2.4 图像理解的应用领域
1.3 图像理解理论框架
1.3.1 马尔视觉计算理论
1.3.2 对马尔理论框架的改进
1.3.3 关于马尔重建理论的讨论
1.3.4 新理论框架的研究
1.4 内容框架和特点
总结和复习

第1单元 采集表达
第2章 摄像机成像
2.1 视觉过程
2.2 摄像机成像模型
2.2.1 基本摄像机模型
2.2.2 近似投影模式
2.2.3 一般摄像机模型
2.2.4 通用成像模型
2.3 摄像机标定
2.3.1 标定程序和参数
2.3.2 两级标定法
2.4 光度学和亮度成像
2.4.1 光度学
2.4.2 亮度成像模型
总结和复习
第3章 深度信息采集
3.1 高维图像和成像方式
3.1.1 高维图像种类
3.1.2 本征图像和非本征图像
3.1.3 深度成像方式
3.2 双目成像模式
3.2.1 双目横向模式
3.2.2 双目会聚横向模式
3.2.3 双目轴向模式
3.3 深度图像直接采集
3.3.1 飞行时间法
3.3.2 结构光法
3.3.3 莫尔等高条纹法
3.3 深度和亮度图像同时采集
3.4 显微镜3-D分层成像
3.4.1 景深和焦距
3.4.2 显微镜3-D成像
3.4.3 共聚焦显微镜3-D成像
总结和复习
第4章 3-D景物表达
4.1 曲线和曲面的局部特征
4.1.1 曲线局部特征
4.1.2 曲面局部特征
4.2 3-D表面表达
4.2.1 参数表达
4.2.2 表面朝向表达
4.3 等值面的构造和表达
4.3.1 行进立方体算法
4.3.2 覆盖算法
……

第2单元 景物重建
第3单元 场景解释
第4单元 研究示例
附录A 视觉和视知觉
部分习题解答
参考文献
索引

前言/序言

　　这是《图像工程》第3版，全套书仍分3册，分别为《图像工程（上册）——图像处理》、《图像工程（中册）——图像分析》和《图像工程（下册）——图像理解》。该套书全面介绍图像工程的基础概念、基本原理、典型方法、实用技术以及国际上相关内容研究的新成果。
　　《图像工程》第2版也分3册，名称相同。上、中、下册分别在2006年、2005年和2007年出版。2007年还出版了《图像工程》第2版的3册合订本。至今共计重印20次“总计约合7万多册。
　　《图像工程》第1版也分3册，名称分别为《图像工程（上册）——图像处理和分析》、《图像工程（下册）——图像理解和计算机视觉》和《图像工程（附册）——教学参考及习题解答》。这3册分别在1999年、2000年和2002年出版。第1版共重印近30次，总计约11万册。
　　《图像工程》的多次重印表明作者一直倡导的，为了对各种图像技术进行综合研究、集成应用而建立的整体框架——图像工程作为一门系统地研究各种图像理论、技术和应用的新的交叉学科得到了广泛的认可。同时，随着研究的深入和技术的发展，编写新版的工作也逐渐提到议事日程上来。
　　……

图像工程（下册）：图像理解（第三版） 深度探索视觉世界的奥秘，解锁图像的内在语言。 《图像工程（下册）：图像理解（第三版）》并非一本介绍如何拍摄或生成令人惊叹的图像的书籍，而是深入探究那些隐藏在像素背后、赋予图像生命与意义的复杂机制。这本书将带领读者穿越计算机视觉的迷人领域，从基础理论到前沿应用，构建起对图像理解的全面认知体系。它旨在为那些渴望理解机器如何“看见”并解读世界的研究者、工程师、学生以及任何对人工智能的视觉感知能力充满好奇心的人们，提供一套系统、深入且极具价值的学习资源。 本书的核心在于“理解”，这远超出了简单的物体识别。它关注的是如何让计算机系统能够超越表面的像素点，去感知、分析、解释图像内容，并最终做出有意义的推理和决策。这涉及对图像中物体、场景、行为、以及它们之间相互关系的深刻洞察。通过第三版的更新，本书紧密结合了当前计算机视觉领域的最新发展，特别是深度学习技术在图像理解方面取得的突破性进展，为读者呈现了最前沿的研究成果和实用的技术方法。 内容概览： 第一部分：图像理解的基础 在进入复杂算法之前，本书首先为读者奠定坚实的理论基础。 图像的数学表达与特征提取： 深入解析图像在数字域的表示形式，以及如何从原始像素中提取出具有区分度的特征。这包括经典的边缘检测、角点检测、纹理分析等技术，也为理解后续更复杂的深度学习特征提取打下基础。例如，读者将学习到如何利用梯度信息检测图像中的边缘，理解SIFT、SURF等局部特征描述符的工作原理，以及它们在目标匹配和识别中的作用。 图像的几何变换与校正： 了解图像在空间上的变化，如旋转、缩放、平移、仿射变换和投影变换，以及如何进行校正和对齐。这对于多视图几何、三维重建以及运动分析至关重要。本书将详细阐述相机模型、投影几何，以及如何从图像中估计这些变换参数，为立体视觉和三维场景理解铺平道路。 颜色空间与图像分割： 探讨不同颜色空间的表示方法及其在图像处理中的应用，并重点介绍将图像划分为具有语义意义的区域的技术。从简单的阈值分割、区域生长，到基于边缘或纹理的分割方法，再到更先进的图割和深度学习驱动的分割技术，本书都将逐一剖析。读者将理解不同颜色空间（如RGB, HSV, Lab）的特性，以及它们在特定任务中的优势，并学习如何利用这些技术将前景与背景分离，或识别出图像中的不同对象。 第二部分：高级图像理解技术 本部分将深入探讨实现“理解”所需的关键技术和算法。 物体识别与检测： 这是图像理解的核心任务之一。本书将从传统的基于特征的方法（如Haar级联分类器、HOG+SVM）讲到当前占主导地位的深度学习方法（如R-CNN系列、YOLO、SSD）。读者将学习到如何构建和训练卷积神经网络（CNN）来识别和定位图像中的各种物体，并理解不同模型在准确率、速度和鲁棒性方面的权衡。本书将详细讲解CNN的架构，包括卷积层、池化层、激活函数和全连接层，以及它们如何协同工作以提取和学习图像的高级语义特征。 图像分类与场景理解： 区分图像的整体内容，并推断出图像所描绘的场景类型。本书将介绍大规模图像分类的挑战和常用模型，并探讨如何理解图像中的上下文信息，例如“海滩”、“城市街道”、“室内房间”等。读者将了解ImageNet等大型数据集的作用，以及如何利用迁移学习等技术加速模型的训练。 目标跟踪与运动分析： 在视频序列中持续追踪特定物体，并分析其运动轨迹。本书将覆盖从传统的卡尔曼滤波、粒子滤波到基于深度学习的跟踪器（如Siamese网络、Transformer-based跟踪器）。理解运动是理解动态场景的关键，本书将深入分析运动估计、光流计算等技术，以及它们在自动驾驶、机器人导航等领域的应用。 图像分割与语义理解： 进一步深化图像分割的概念，不仅将图像划分为不同的区域，更要为每个区域赋予具体的语义标签（例如，将图像中的所有像素标记为“人”、“汽车”、“树木”等）。本书将详细介绍全卷积网络（FCN）、U-Net、Mask R-CNN等在语义分割和实例分割方面的经典模型，并探讨如何实现像素级别的精细理解。 三维视觉与几何推理： 从二维图像中恢复三维信息，包括深度信息、三维结构和相机姿态。本书将介绍多视图几何、立体视觉、运动恢复结构（SfM）和视觉SLAM（同步定位与地图构建）等关键技术。读者将学习如何通过匹配图像特征来重建三维场景，以及如何利用传感器数据（如深度相机、IMU）来增强三维理解的能力。 第三部分：前沿进展与应用 本书的最后部分将聚焦于计算机视觉领域的最新热点和实际应用。 生成对抗网络（GANs）与图像合成： 探讨如何利用GANs生成逼真且多样化的图像，以及它们在图像编辑、风格迁移、数据增强等方面的潜力。读者将理解GANs的生成器和判别器之间的博弈过程，以及如何利用它们来创造新的视觉内容。 Transformer在视觉领域的应用： 随着Transformer模型在自然语言处理领域的巨大成功，其在图像理解方面的应用也日益广泛。本书将介绍Vision Transformer (ViT)等模型，以及如何将其用于图像分类、目标检测和分割等任务，并探讨其优势与挑战。 可解释性AI（XAI）与公平性： 在追求模型性能的同时，理解模型的决策过程并确保其公平性变得越来越重要。本书将探讨如何利用可视化技术和分析方法来解释深度学习模型对图像的理解过程，并讨论如何在图像理解系统中实现公平性。 实际应用场景： 结合前述理论和技术，本书将展示图像理解在自动驾驶、医疗影像分析、安防监控、虚拟现实/增强现实、机器人视觉、内容审核等众多领域的具体应用案例。通过这些案例，读者可以直观地感受到图像理解技术的强大力量和广阔前景。 学习价值： 《图像工程（下册）：图像理解（第三版）》以其内容的深度、广度和时效性，为读者提供了一条通往图像理解世界的高效路径。 系统性： 从基础理论到高级算法，再到前沿应用，本书构建了一个完整的知识体系，帮助读者建立起清晰的认知框架。 前沿性： 第三版的更新充分 반영了深度学习时代计算机视觉的最新发展，确保读者掌握最实用、最有效的方法。 实践性： 本书不仅讲解理论，还提供了理解算法背后逻辑的深刻洞察，为读者在实际项目中应用这些技术打下坚实基础。 启发性： 通过对复杂问题的剖析和对未来方向的探讨，本书将激发读者在图像理解领域进行深入研究和创新的热情。 无论您是想深入了解机器如何“看见”并理解我们生活的世界，还是希望掌握最前沿的计算机视觉技术，抑或是为解决现实世界中的视觉难题寻找方案，《图像工程（下册）：图像理解（第三版）》都将是您不可或缺的宝贵指南。它将引领您穿越像素的海洋，揭示图像背后蕴藏的丰富信息，最终 unlock 视觉智能的无限可能。

评分☆☆☆☆☆

我必须承认，这本书的阅读过程并非一帆风顺，它需要我投入相当的精力和耐心。然而，正是这种挑战，才让我在克服困难后，获得了巨大的成就感。作者在讲解过程中，始终保持着一种严谨而又富有逻辑性的风格，每一步推导都环环相扣，每一个概念都清晰明确。我印象最深的是关于“形状匹配”的部分，它不仅仅是简单的形状识别，而是探讨了如何在复杂的背景下，准确地找到目标物体，并评估其相似度。这背后涉及到的数学知识和算法设计，都体现了作者深厚的功底。书中对“图像复原”技术的阐述也令我大开眼界，从降噪到去模糊，再到超分辨率，这些技术仿佛拥有点石成金的力量，能够将模糊的影像变得清晰锐利。我曾尝试将书中的一些方法应用到自己的项目，虽然结果并非尽善尽美，但过程中的学习和探索，让我受益匪浅。这本书就像一位经验丰富的向导，虽然路途崎岖，但它总能指引你找到最正确的方向，让你在探索未知领域时，少走弯路。

评分☆☆☆☆☆

一本真正深入骨髓的著作，读完之后，你会被图像的“灵魂”深深吸引。这本书不仅仅是罗列算法和模型，更重要的是它揭示了计算机如何“看懂”世界，如何赋予冰冷的像素以生命和意义。从基础的边缘检测、特征提取，到高阶的物体识别、场景理解，作者层层递进，将复杂的概念化繁为简，配合精妙的数学推导和直观的图示，仿佛一位循循善诱的良师，带领读者一步步攀登知识的高峰。我尤其欣赏其中关于“语义分割”的章节，它不仅仅解释了如何将图像分割成不同的区域，更深入探讨了如何理解这些区域的含义，以及它们之间的关系。这种从“形状”到“意义”的升华，正是图像理解的核心所在。在实际应用层面，书中给出的案例也极具启发性，无论是自动驾驶中的障碍物识别，还是医学影像中的病灶检测，都让我看到了图像工程在现实世界中的巨大价值。这本书的深度和广度都令人惊叹，它不仅仅是一本教材，更是一扇通往人工智能前沿的窗口。

评分☆☆☆☆☆

翻开这本书，我仿佛置身于一个充满奇妙的视觉世界。它以一种极其独特的方式，将我们司空见惯的图像，剥去了表层的皮相，让我们得以窥探其内在的逻辑与结构。作者的叙述风格非常有趣，有时像一位哲学家，探讨图像的本质和信息的传递；有时又像一位工程师，严谨地剖析算法的精妙之处。我特别喜欢书中对“纹理分析”的讲解，它不仅仅是简单地描述像素的分布，而是深入到如何通过纹理来识别不同的材料、区分不同的场景，甚至推断出物体的状态。那种对细节的极致追求，让我对“看”这个动作有了全新的认识。书中的案例也并非枯燥的技术堆砌，而是巧妙地融入了各种引人入胜的故事，让我仿佛在跟随作者一同解决一个个棘手的视觉难题。例如，在关于“立体视觉”的章节中，作者通过生动的比喻，将多视角成像的复杂原理解释得清晰易懂，让我脑海中浮现出无数个栩栩如生的三维场景。这本书的魅力在于，它总能在最意想不到的地方，给你带来最深刻的启发。

评分☆☆☆☆☆

这是一本真正能够触及灵魂的著作。它不仅仅是一本关于图像工程的教科书，更是一本关于如何“看见”和“理解”的哲学读物。作者的叙述风格非常独特，他善于用简洁而又富有诗意的语言，将复杂的科学原理娓娓道来。我特别欣赏书中对“目标跟踪”算法的讲解，它不仅仅是简单的点位追踪，而是深入到如何理解目标的运动轨迹、预测其未来的位置，甚至在目标被遮挡的情况下依然能够保持跟踪。这种对动态过程的理解，让我觉得非常神奇。书中也穿插了一些引人入胜的历史故事和科学趣闻，让我在学习技术的同时，也能感受到科学发展的魅力。例如，作者在介绍早期图像识别技术时，生动地描绘了先辈们在简陋条件下所进行的探索，让我对他们的智慧和毅力肃然起敬。这本书的魅力在于，它总能在不经意间，给你带来惊喜，让你在享受阅读的同时，也能获得深刻的启迪。

评分☆☆☆☆☆

我发现自己越来越着迷于这本书所描绘的图像理解的世界。它不仅仅是关于技术，更是一种思考方式，一种洞察世界的方式。作者用一种非常引人入胜的语言，将原本抽象的概念具象化，让我能够直观地理解计算机是如何“感知”和“理解”图像的。我特别喜欢关于“物体检测”的章节，它不仅仅是告诉你如何框出物体，更深入地探讨了如何理解物体的类别、数量，甚至它们的姿态。这种对“理解”的深挖，让我觉得非常震撼。书中的许多观点都颠覆了我以往的认知，例如，作者对于“上下文信息”在图像理解中的重要性的强调，让我意识到，单凭局部特征往往不足以做出准确的判断，而整体的场景信息则至关重要。我曾与几位同行讨论过书中的某些论点，发现大家也都被这些前沿的思想所吸引。这本书的价值在于，它不仅仅是提供知识，更是在激发思考，引导我们去探索图像理解更深层次的奥秘。

评分☆☆☆☆☆

内容非常丰富，讲得非常详细，相对能看懂一些，非常值得慢慢地学习。

评分☆☆☆☆☆

专业备用，满200减100，先屯着

评分☆☆☆☆☆

很好 很好 很好 很好 很好 很好 很好

评分☆☆☆☆☆

一套书，还得一本一本评价啊。中国人写的书，很泛泛而谈。

评分☆☆☆☆☆

很多人说这本书好，也有很多学校用这本书做教材，但是有点浮夸！算是经典的书，但是示例性不足，不能针对某一种语言进行深入学习。该系列书三册，理论性强，涵盖了计算机图形处理的基本理论，有助于对问题的理解。但是并不适用于针对Matlab、C、C++等语言的深入学习。该书可以作为蓝本，辅助计算机语言的深入学习，才能有所裨益！

评分☆☆☆☆☆

在图书馆看到的，觉得很有用，于是买了本自己收藏，第三册挺独立的，可以不看前两册直接用

评分☆☆☆☆☆

专业备用，满200减100，先屯着

评分☆☆☆☆☆

经典书籍，很有深度，学习中。

评分☆☆☆☆☆

内容非常丰富，讲得非常详细，相对能看懂一些，非常值得慢慢地学习。