章毓晋，1989年获比利时列日大学应用科学博士学位。1989—1993年为荷兰德尔夫特大学博士后及研究人员。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。2014年成为教学科研系列长聘教授。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、第2版、第3版和第4版，以及其他中英文图像工程教材约20本，还翻译出版了多本国外图像工程教材。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年起已连续二十八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。已在国内外发表了500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》（第1版和第2版）和《图像工程技术选编》，主编了《Advances in Image and Video Segmentation》，《Semantic-Based Visual Information Retrieval》，《Advances in Face Image Analysis: Techniques and Technologies》。

 现为中国图象图形学学会名誉监事长，会士；国际光学工程协会（SPIE）会士（因在图像工程方面的成就）。

本册书是《图像工程》第5版的下册，比较全面地介绍图像工程的第三层次——图像理解的基础概念、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。可作为相关专业研究生教材。本册书主要分为4个单元。第1单元（包含第2~5章）介绍采集表达技术，第2单元（包含第6~9章）介绍景物重建技术，第3单元（包含第10~12章）介绍场景解释技术，第4单元（包含第13~16章）介绍研究示例。书中还提供了大量例题、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。

注： 加*号的部分均已电子化，可扫描二维码下载并使用。

第1章绪论

1．1图像工程的发展

1．1．1基本概念和定义

概括

1．1．2图像工程发展情况

回顾

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

1．3．5从心理认知出发的

讨论

1．4深度学习简介

1．4．1图像理解中的深度

学习

1．4．2卷积神经网络的基本

概念

1．4．3深度学习核心技术

1．4．4深度学习的应用

1．5内容框架和特点

总结和复习*

随堂测试*

第1单元采 集 表 达

第2章摄像机成像和标定

2．1视觉过程

2．2亮度成像模型

2．2．1光度学和光源

2．2．2从亮度到照度

2．3空间成像模型

2．3．1基本摄像机模型

2．3．2近似投影模式

2．3．3一般摄像机模型

2．3．4透镜畸变

2．3．5通用成像模型

2．4摄像机标定

2．4．1标定方法分类

2．4．2标定程序和参数

2．4．3两级标定法

2．4．4精度提升

2．5在线摄像机外参数标定

方法

2．5．1车道线检测与数据

筛选

2．5．2优化重投影误差

2．6自标定方法

2．7结构光主动视觉系统的

标定

2．7．1投影模型和标定

2．7．2图案分离

2．7．3计算单应性矩阵

2．7．4计算标定参数

总结和复习*

随堂测试*

第3章压缩感知与成像

3．1压缩感知概述

3．2稀疏表达

3．3测量矩阵及特性

3．3．1采样/测量模型

3．3．2测量矩阵特性

3．4解码重构

3．4．1重构原理

3．4．2测量矩阵的校准

3．4．3典型重构算法

3．4．4基于深度学习的重构

算法

3．5稀疏编码与字典学习

3．5．1字典学习与矩阵

分解

3．5．2非负矩阵分解

3．5．3端元提取

3．5．4稀疏编码

3．6压缩感知的成像应用

3．6．1单像素相机

3．6．2压缩感知磁共振

成像

总结和复习*

随堂测试*

第4章深度信息采集

4．1高维图像和成像方式

4．1．1高维图像种类

4．1．2本征图像和非本征

图像

4．1．3深度成像方式

4．2双目成像模式

4．2．1双目横向模式

4．2．2双目会聚横向模式

4．2．3双目轴向模式

4．3深度图像直接采集

4．3．1飞行时间法

4．3．2结构光法

4．3．3莫尔等高条纹法

4．3．4深度和亮度图像同时

采集

4．4显微镜3D分层成像

4．4．1景深和焦距

4．4．2显微镜3D成像

4．4．3共聚焦显微镜3D

成像

4．5等基线多摄像机组

4．5．1图像采集

4．5．2图像合并方法

4．6单摄像机多镜反射折射

系统

4．6．1总体系统结构

4．6．2成像和标定模型

总结和复习*

随堂测试*

第5章3D景物表达

5．1曲线和曲面的局部特征

5．1．1曲线局部特征

5．1．2曲面局部特征

5．23D表面表达

5．2．1参数表达

5．2．2表面朝向表达

5．3等值面的构造和表达

5．3．1行进立方体算法

5．3．2覆盖算法

5．3．3两种算法比较

5．4从并行轮廓插值3D表面

5．53D实体表达

5．5．1基本表达方案

5．5．2广义圆柱体表达

总结和复习*

随堂测试*

第2单元景 物 重 建

第6章双目立体视觉

6．1立体视觉模块

6．2基于区域的双目立体匹配

6．2．1模板匹配

6．2．2立体匹配

6．3基于特征的双目立体匹配

6．3．1基本步骤

6．3．2尺度不变特征

变换

6．3．3加速鲁棒性特征

6．3．4动态规划匹配

6．4基于深度学习的立体匹配

6．4．1方法分类

6．4．2立体匹配网络

6．4．3基于特征级联CNN的

匹配

6．5视差图误差检测与校正

总结和复习*

随堂测试*

第7章多目立体视觉

7．1水平多目立体匹配

7．1．1水平多目图像

7．1．2倒距离

7．2正交三目立体匹配

7．2．1基本原理

7．2．2基于梯度分类的正交

匹配

7．3多目立体匹配

7．3．1任意排列三目立体

匹配

7．3．2正交多目立体匹配

7．4亚像素级视差

7．4．1统计分布模型

7．4．2亚像素级视差计算

总结和复习*

随堂测试*

第8章单目多图像景物恢复

8．1单目景物恢复

8．2光度立体法

8．2．1景物亮度和图像

亮度

8．2．2表面反射特性和

亮度

8．2．3景物表面朝向

8．2．4反射图和亮度约束

方程

8．2．5光度立体法求解

8．3光度立体法进展

8．3．1光源标定

8．3．2非朗伯表面反射

模型

8．3．3彩色光度立体法

8．3．43D重建方法

8．4基于GAN的光度立体法

标定

8．4．1网络结构

8．4．2损失函数

8．5从运动求取结构

8．5．1光流和运动场

8．5．2光流方程求解

8．5．3光流与表面取向

8．5．4光流与相对深度

8．6从分割剪影恢复形状

总结和复习*

随堂测试*

第9章单目单图像景物恢复

9．1单幅图像深度估计

9．1．1有监督学习方法

9．1．2无监督学习方法

9．1．3半监督学习方法

9．2从影调恢复形状

9．2．1影调与形状

9．2．2亮度方程求解

9．3混合表面透视投影下的

SFS

9．3．1改进的Ward反射

模型

9．3．2透视投影下的图像亮度

约束方程

9．3．3图像亮度约束方程

求解

9．3．4基于BlinnPhong反射

模型

9．3．5新图像亮度约束方程

求解

9．4纹理与表面朝向

9．4．1单目成像和畸变

9．4．2由纹理变化恢复

朝向