幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

計算攝像學(成像模型理論與深度學習實踐)/人工智慧技術叢書

  • 作者：施柏鑫|責編:李永泉//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111748847
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：419
人民幣：RMB 169 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以圖像的物理形成過程和相機獲取數字圖像的原理為支撐，介紹計算攝像學中的基本問題、模型、理論及其用傳統最優化、信號處理方法的解決方案。結合各問題近些年隨著深度學習技術的發展帶來的全新進展，介紹深度學習和計算攝像問題的結合與應用。深度學習作為目前視覺計算領域最熱門的技術之一，在高層電腦視覺的目標檢測、識別、分類等問題上帶來了傳統方法無法企及的性能突破。深度學習技術在計算攝像學中也正在發揮廣泛而積極的作用。通過適當的方法，將傳統計算攝像學在光學特性、物理過程和成像模型等方面的先驗、約束與數據驅動方法強大的學習、建模能力進行優勢互補，可以為眾多計算攝像難題的求解提供全新的思路和手段。
作者介紹
施柏鑫|責編:李永泉//趙曉峰
    施柏鑫     北京大學電腦學院多媒體信息處理全國重點實驗室、視頻與視覺技術國家工程研究中心研究員（長聘副教授）、博士生導師（博雅青年學者）；北京智源人工智慧研究院青年科學家。2013年博士畢業於日本東京大學，曾先後在美國麻省理工學院媒體實驗室、新加坡科技設計大學、新加坡南洋理工大學、日本國立產業技術綜合研究所從事研究工作。研究方向為計算攝像學與電腦視覺，截至2024年2月共發表論文200余篇（包括TPAMI論文23篇，電腦視覺三大頂級會議論文82篇）。2015年獲得國際計算攝像會議（ICCP）最佳論文提名、國際電腦視覺會議（ICCV）最佳論文候選，2021年獲得日本大川研究助成獎。科技創新2030——「新一代人工智慧」重大項目首席科學家，國家自然科學基金重點項目負責人，國家級青年人才項目入選者。擔任電腦視覺國際頂級期刊TPAMI、IJCV編委，頂級會議CVPR、ICCV、ECCV領域主席，IEEE、CCF、CSIG高級會員，APSIPA傑出講者。
目錄
前言
第1章  計算攝像學概述
  1.1  計算攝像學研究範疇
    1.1.1  研究背景
    1.1.2  研究內容
  1.2  計算攝像學相關課程
  1.3  計算攝像學相關教材
  本章參考文獻
第2章  數字攝像原理
  2.1  圖像感測器的基本原理
  2.2  色彩形成的基本原理
  2.3  相機內部圖像處理流程
    2.3.1  白平衡
    2.3.2  去馬賽克
    2.3.3  去噪
    2.3.4  色調再現
    2.3.5  感測器原始圖像格式
  2.4  深度學習建模相機內部流程
    2.4.1  應用於圖像增強
    2.4.2  應用於圖像處理流程建模
  2.5  本章小結
  2.6  本章課程實踐
  本章參考文獻
第3章  相機幾何模型
  3.1  針孔相機模型
  3.2  透視投影與相機矩陣
    3.2.1  相機內參矩陣
    3.2.2  相機外參矩陣
    3.2.3  透視投影現象與應用
    3.2.4  特殊相機模型
  3.3  相機幾何標定
    3.3.1  三維對應點標定法
    3.3.2  多圖棋盤格標定法
    3.3.3  徑向畸變標定法
  3.4  利用深度學習的相機幾何標定
    3.4.1  直接回歸相機焦距法
    3.4.2  地平線輔助標定法
    3.4.3  垂直消失點輔助標定法
    3.4.4  徑向畸變下的標定問題
    3.4.5  利用特殊場景進行標定
  3.5  本章小結
  3.6  本章課程實踐
  本章參考文獻
第4章  鏡頭與曝光
  4.1  理想透鏡與真實透鏡
  4.2  光圈與景深
  4.3  視場與鏡頭選用
  4.4  曝光控制
  4.5  虛擬大光圈攝像
    4.5.1  虛擬大光圈效果渲染方法

    4.5.2  利用深度學習的實現方法
  4.6  無鏡頭成像
    4.6.1  相機構造
    4.6.2  圖像重建演算法
  4.7  本章小結
  4.8  本章課程實踐
  本章參考文獻
第5章  焦點堆棧與光場攝像
  5.1  焦點堆棧
    5.1.1  基本概念
    5.1.2  拍攝與合併
    5.1.3  對焦與離焦的深度測量
  5.2  光場
    5.2.1  基本概念
    5.2.2  表示方法
    5.2.3  拍攝方法
    5.2.4  可視化與應用
  5.3  自動對焦
    5.3.1  主動對焦
    5.3.2  反差對焦
    5.3.3  相位對焦
  5.4  利用深度學習表示光場
    5.4.1  經典光場表示
    5.4.2  基於神經輻射場的方法
  5.5  本章小結
  5.6  本章課程實踐
  本章參考文獻
第6章  光度成像模型
  6.1  相機輻射響應及其標定
    6.1.1  相機響應函數
    6.1.2  相機輻射響應標定
  6.2  光度成像模型的三個基本要素
    6.2.1  表面法線
    6.2.2  反射率模型
    6.2.3  光源模型
  6.3  從明暗恢復形狀
  6.4  利用深度學習估計環境光照
    6.4.1  參數化模型估計室外光照
    6.4.2  自編碼器估計室外光照
    6.4.3  非參數化全局一致室內光照
    6.4.4  參數化的局部可變室內光照
  6.5  本章小結
  6.6  本章課程實踐
  本章參考文獻
第7章  光度立體視覺
  7.1  經典方法
    7.1.1  相關基本概念
    7.1.2  基於最小二乘法優化的解法
  7.2  泛化方法
    7.2.1  應對非理想的反射率

    7.2.2  應對非標定情況的解法
    7.2.3  基準評測數據集
  7.3  光度立體視覺的深度學習解法
7.3.1光源方向固定的方法/179 7.3.2應對任意方向光源的方法
    7.3.3  應對光源方向未標定的方法
    7.3.4  應對光源方向稀疏的方法
    7.3.5  利用其他約束的方法
  7.4  本章小結
  7.5  本章課程實踐
  本章參考文獻
第8章  高動態範圍成像
  8.1  動態範圍的定義
  8.2  多次曝光融合的經典方法
  8.3  高動態範圍圖像的存儲
  8.4  高動態範圍顯示與色調映射
    8.4.1  色調映射方法
    8.4.2  關於色調映射的一些討論
  8.5  利用深度學習擴展動態範圍
    8.5.1  單張圖像逆向色調映射
    8.5.2  多圖交替曝光的方法
  8.6  用非傳統感測器擴展動態範圍
    8.6.1  基於餘數相機的方法
    8.6.2  融合神經形態相機的方法
  8.7  本章小結
  8.8  本章課程實踐
  本章參考文獻
第9章  超解析度
  9.1  基於子像素位移的多幀方法
    9.1.1  圖像退化模型
    9.1.2  優化求解高解析度圖像
  9.2  通過改進感測器構造的方法
    9.2.1  利用相機抖動
    9.2.2  利用非周期重複像素布局
    9.2.3  利用非對稱子像素分佈
  9.3  基於信號處理的單幀方法
    9.3.1  基於圖像塊重複性的方法
    9.3.2  基於梯度銳化變換的方法
  9.4  利用深度學習的方法
    9.4.1  基於卷積神經網路的方法
    9.4.2  基於生成對抗網路的方法
    9.4.3  基於無監督學習的方法
  9.5  本章小結
  9.6  本章課程實踐
  本章參考文獻
第10章  去模糊
  10.1  基於傳統攝像的方法
    10.1.1  應對鏡頭缺陷帶來的模糊
    10.1.2  應對相機抖動帶來的模糊
  10.2  基於計算攝像的方法
    10.2.1  應對景深限制帶來的模糊

    10.2.2  應對場景運動帶來的模糊
  10.3  基於深度學習的去模糊
    10.3.1  卷積核估計
    10.3.2  端到端生成
    10.3.3  生成對抗模型
    10.3.4  圖像去模糊數據集
  10.4  本章小結
  10.5  本章課程實踐
  本章參考文獻/
第11章  圖像恢復高級專題I
  11.1  本征圖像分解概述
    11.1.1  圖像形成模型
    11.1.2  代表性應用
    11.1.3  問題的不適定性
    11.1.4  基準數據集
  11.2  Retinex分解
  11.3  基於優化求解的本征圖像分解
  11.4  基於深度學習的本征圖像分解
    11.4.1  不同學習範式下的方法
    11.4.2  在逆渲染方面的應用
  11.5  本章小結
  11.6  本章課程實踐
  本章參考文獻
第12章  圖像恢復高級專題II
  12.1  反射消除問題概述
    12.1.1  混合圖像模型
    12.1.2  反射消除的應用
  12.2  經典優化求解的方法
    12.2.1  手動分類邊緣的方法
    12.2.2  自動分類邊緣的反射消除
    12.2.3  利用多圖分類邊緣的方法
  12.3  反射消除基準評測數據集
    12.3.1  演算法總結歸類
    12.3.2  數據集的構成
    12.3.3  基準評測結果
  12.4  基於深度學習的反射消除方法
    12.4.1  單張圖像問題求解
    12.4.2  多張圖像問題求解
  12.5  本章小結
  12.6  本章課程實踐
  本章參考文獻
第13章  圖像恢復高級專題III
  13.1  神經形態視覺感測器簡介
    13.1.1  概念與發展
    13.1.2  主流感測器介紹
  13.2  神經形態視覺信號表達
  13.3  神經形態視覺信號處理
    13.3.1  圖像重構
    13.3.2  神經形態視覺的運動分析
  13.4  融合傳統相機的計算攝像

    13.4.1  融合成像系統簡介
    13.4.2  傳統相機增強神經形態成像
    13.4.3  神經形態相機增強傳統成像
  13.5  本章小結
  13.6  本章課程實踐
  本章參考文獻
跋

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032