內容大鋼
本書面向真實複雜環境下的視頻圖像智能處理與智能感知需求，圍繞物理世界視頻圖像面臨的低解析度、雜訊、模糊、小目標、遮擋、偽裝、霧雨、沙塵、低光照以及誤碼、丟包等典型降質場景，系統闡述了降質環境視頻圖像智能處理的基本機理、關鍵方法與工程實踐。全書按照「機理認知-框架構建-關鍵技術-應用實踐-未來展望」的邏輯展開，強調從單純畫質提升走向面向感知任務的系統優化。
本書可為複雜環境下智能感知系統的演算法設計、工程部署和任務應用提供參考。本書適合人工智慧、電腦視覺、視頻圖像處理、無人系統、智能感知、公共安全、低空安全、遙感解譯和國防信息化等領域的科研人員、工程技術人員，以及相關專業的研究生及本科生閱讀，也可供相關行業的管理與應用人員參考。
目錄
第1章 緒論
1.1 視頻圖像智能處理的重要性
1.1.1 視覺信息的作用
1.1.2 視頻圖像智能處理的戰略價值與社會價值
1.1.3 人機混合智能時代對視覺處理的新要求
1.2 降質環境的概念與分類
1.2.1 真實世界的複雜性與降質環境的基本概念
1.2.2 降質環境的主要類型及其作用機理
1.2.3 降質環境對智能感知系統的影響與研究意義
1.3 真實世界的應用挑戰
1.3.1 從實驗室到真實場景的應用落差
1.3.2 降質環境下現有方法的適配瓶頸
1.3.3 大模型與專用模型協同發展的現實趨勢
1.3.4 技術演進中的現實視覺智能
1.4 小結
1.5 參考文獻
第2章 降質環境的機理解讀
2.1 降質機理
2.2 降質的形成和演化
2.2.1 成像源頭的退化產生機制
2.2.2 傳播鏈路中的退化擴散過程
2.2.3 典型降質場景的綜合表現形態
2.3 從圖像質量提升到感知任務優化
2.3.1 圖像質量提升的意義與局限性
2.3.2 感知任務指標
2.3.3 面向感知任務的優化
2.4 小結
2.5 參考文獻
第3章 面向降質機理與技術實踐的通用處理框架
3.1 普適框架
3.1.1 多源降質的疊加性與真實環境的不確定性
3.1.2 碎片化研究與單點優化的局限性
3.1.3 從機理解讀走向統一框架的必然性
3.2 一個可擴展、可進化的系統框架
3.2.1 統一視角下的整體結構
3.2.2 多層模塊的功能劃分與介面關係
3.2.3 框架的動態調度與持續進化機制
3.3 從流程到模塊：系統的運作邏輯
3.3.1 面向環境、通道與複合降質的業務流程
3.3.2 基於任務目標的方案選擇與路徑切換
3.3.3 模塊反饋驅動的閉環運行機制
3.4 工程化實踐：數據、演算法與硬體的協同
3.4.1 總體結構與介面體系
3.4.2 數據引擎：一套負責生成、處理、組織、管理和提供數據的完整系統
3.4.3 雲邊端協同與硬體部署實踐
3.4.4 面向感知任務的雲邊端協同執行機制
3.5 小結
3.6 參考文獻
第4章 低解析度場景的超分增強
4.1 解析度不足帶來的障礙
4.2 低清畫面中的細節缺失
4.2.1 單圖像超解析度重建技術
4.2.2 多圖像超解析度重建技術
4.3 超分重建與清晰化的實現路徑
4.3.1 基於通道注意力的殘差超分重建網路
4.3.2 基於遞歸學習策略的輕量化超分重建網路
4.4 小結
4.5 參考文獻
第5章 雜訊干擾下的穩健感知
5.1 雜訊對AI視覺的影響
5.2 嘈雜畫面中的識別難點
5.2.1 傳統圖像去噪方法
5.2.2 深度監督學習圖像去噪方法
5.3 去噪與穩健識別的技術路徑
5.3.1 基於可調節隨機多盲點網路的圖像去噪演算法
5.3.2 基於雙分支補盲網路的圖像去噪演算法
5.3.3 圖像去噪方法在目標檢測中的應用
5.4 小結
5.5 參考文獻
第6章 模糊環境下的細節重建
6.1 運動模糊與成像缺陷
6.1.1 模糊——生活與技術中避不開的煩惱
6.1.2 當電腦撞上「模糊牆」
6.1.3 處理模糊問題的關鍵性與深遠意義
6.2 模糊圖像中的信息流失
6.2.1 非盲去模糊演算法研究
6.2.2 盲去模糊演算法研究
6.3 模糊恢復與細節增強的實踐方法
6.3.1 基於多尺度頻率增強的圖像去模糊演算法
6.3.2 基於分割模型（SAM）先驗知識引導的圖像去模糊演算法
6.4 小結
6.5 參考文獻
第7章 小目標的感知難題
7.1 無人機視角下的小目標檢測挑戰
7.1.1 無人機技術的跨代演進與感知需求
7.1.2 小目標檢測的理論瓶頸與性能鴻溝
7.1.3 無人機航拍場景的特殊降質因素
7.2 小目標檢測的技術演進
7.3 面向小目標的檢測與放大方法
7.3.1 基於多尺度特徵融合的小目標檢測演算法
7.3.2 基於無錨框回歸的小目標檢測演算法
7.4 小結
7.5 參考文獻
第8章 遮擋環境下的檢測策略
8.1 遮擋環境下的行人檢測
8.1.1 行人檢測的技術演進與核心任務
8.1.2 遮擋問題的本質與挑戰
8.1.3 解決遮擋問題的理論意義與應用價值
8.2 遮擋環境下檢測技術的研究現狀
8.2.1 基於深度學習的目標檢測演算法
8.2.2 遮擋目標檢測演算法
8.3 可見區域增強與遮擋識別方案
8.3.1 基於可見區域增強網路的檢測演算法
8.3.2 基於權重特徵金字塔網路的遮擋行人檢測演算法
8.4 小結
8.5 參考文獻
第9章 偽裝環境下的目標發現
9.1 偽裝的迷惑性與檢測挑戰
9.2 真假難辨的視覺陷阱
9.3 真實偽裝環境中的目標顯現方法
9.3.1 一種基於偽裝線索引導的偽裝目標檢測演算法
9.3.2 一種無源域自適應的偽裝目標檢測演算法
9.4 小結
9.5 參考文獻
第10章 霧天場景下的感知優化
10.1 霧的挑戰：能見度與細節的消失
10.2 人眼與演算法在霧中的困境
10.2.1 大氣散射模型
10.2.2 圖像去霧演算法
10.3 面向霧天的清晰化感知方案
10.3.1 色彩自適應的暗通道先驗優化演算法
10.3.2 基於圖像自適應的去霧參數網路
10.3.3 去霧演算法與目標檢測演算法聯合優化演算法
10.4 小結
10.5 參考文獻
第11章 沙塵場景下的視覺恢復
11.1 沙塵帶來的圖像困境
11.2 沙塵環境中的視覺短板
11.2.1 沙塵環境中的目標檢測
11.2.2 沙塵圖像恢復
11.2.3 域隨機化方法
11.3 針對沙塵的畫面修復與檢測方法
11.3.1 基於域隨機化的沙塵圖像恢複數據擴充方法
11.3.2 端到端沙塵環境目標檢測的數據擴充方法
11.3.3 兩階段沙塵環境目標檢測的數據擴充方法
11.4 小結
11.5 參考文獻
第12章 無人機的視頻通信
12.1 通道降質對無人機視頻分析的影響
12.2 無人機視頻通信與智能分析
12.2.1 無人機視頻傳輸系統
12.2.2 無人機視頻智能分析
12.3 面向無人機智能視頻分析的最優策略方法
12.3.1 最優策略庫（OSL）的設計思路與機理
12.3.2 無人機視頻分析策略
12.3.3 實驗設計
12.3.4 實驗結果
12.4 小結
12.5 參考文獻
第13章 低光條件下的目標魯棒感知
13.1 低光環境下的視覺退化：亮度衰減與雜訊增強
13.2 可見光與紅外視覺的互補感知機理
13.3 面向低光環境的可見光與紅外顯著目標感知方法
13.3.1 基於空間關係學習的RGB-T顯著目標分割方法
13.3.2 基於頻率線索解耦的RGB-T顯著目標分割方法
13.3.3 基於形變感知的非對齊RGB-T語義分割方法
13.4 小結
13.5 參考文獻
第14章 雨霧雪等多降質類型協同優化的思路與機制
14.1 雨霧雪多降質條件下的感知挑戰
14.1.1 多降質環境對視覺感知的影響
14.1.2 增強與感知聯合建模的必要性
14.2 圖像增強與感知的協同探索
14.2.1 增強與感知分階段處理的發展路徑
14.2.2 增強與感知一體化建模的演進趨勢
14.3 一種面向雨霧雪多天氣條�
[