本书针对计算机视觉、图像处理领域的相关原理与技术进行了广泛而深入的讨论。本书从视觉感知的概念出发，阐述了计算机视觉的基本概念、理论发展和典型应用；介绍了计算机视觉成像原理和数字图像的基础知识，并系统阐述了图像预处理、图像质量评价、基元检测、特征表达等图像处理理论和方法，对图像分割、图像识别等计算机视觉关键技术的原理、分类及典型算法进行了详细介绍；以工程建设领域中的3D打印混凝土界面孔隙检测与高处作业行为监测作为典型案例，介绍了计算机视觉技术在智能建造中的应用实践。 　　本书可作为普通高等院校电子信息、计算机、通信工程、自动化、物联网工程等信息类工科专业的教材，也可作为智能建造等土建类相关专业的教材，为传统土建类专业向智能建造方向转型提供参考。 　　本书配有以下教学资源：课件PPT、教学大纲、程序代码、习题答案，选用本书作教材的教师可登录www.cmpedu.com注册后下载，或发邮件至jinacmp@163.com索取。

高等院校教师

目　　录
前言
第1章　绪论 1
1.1　计算机视觉概述 1
1.1.1　基本概念 1
1.1.2　理论发展 4
1.1.3　典型应用与面临问题 7
1.2　智能建造概述 9
1.2.1　基本概念 9
1.2.2　特征与内涵 10
1.2.3　智能建造中的视觉应用 10
1.3　本章小结 12
1.4　思考题与习题 12
第2章　视觉成像与图像基础 13
2.1　成像模型 13
2.2　图像采集 15
2.2.1　图像传感器 15
2.2.2　图像采集系统 16
2.3　图像的数学模型 17
2.3.1　数字图像表示 17
2.3.2　图像采样与量化 17
2.3.3　图像格式与类型 20
2.4　图像像素 23
2.4.1　像素与邻域 23
2.4.2　像素距离度量 24
2.4.3　像素灰度及其分布 26
2.5　本章小结 26
2.6　思考题与习题 27
第3章　图像预处理与质量评价 28
3.1　概述 28
3.2　图像去噪 28
3.2.1　概述 28
3.2.2　空间域滤波 29
3.2.3　频率域滤波 31
3.3　图像复原 34
3.3.1　概述 34
3.3.2　无约束复原 36
3.3.3　有约束复原 38
3.4　图像增强 41
3.4.1　概述 41
3.4.2　空间域增强法 41
3.4.3　频率域增强法 48
3.5　图像质量评价 49
3.5.1　主观评价 50
3.5.2　客观评价 51
3.5.3　评价指标 51
3.6　本章小结 53
3.7　思考题与习题 53
第4章　基元检测与特征表达 54
4.1　概述 54
4.2　基元检测 54
4.2.1　概述 54
4.2.2　微分算子 56
4.2.3　Canny算子 59
4.2.4　Harris算子 61
4.2.5　霍夫变换 63
4.3　颜色特征 65
4.3.1　概述 65
4.3.2　颜色直方图 66
4.3.3　颜色矩 67
4.4　形状特征 69
4.4.1　概述 69
4.4.2　特征描述方法 69
4.4.3　方向梯度直方图特征 70
4.5　纹理特征 73
4.5.1　概述 73
4.5.2　LBP算法 74
4.5.3　空间灰度共生矩阵 78
4.6　本章小结 81
4.7　思考题与习题 81
第5章　深度学习理论基础 82
5.1　概述 82
5.2　人工神经网络 83
5.3　卷积神经网络 85
5.3.1　基本结构 85
5.3.2　激活函数 86
5.3.3　损失函数 87
5.4　其他模型 88
5.4.1　Transformer模型 88
5.4.2　三维卷积神经网络 91
5.4.3　生成对抗网络 91
5.5　本章小结 92
5.6　思考题与习题 92
第6章　图像分割 93
6.1　概述 93
6.1.1　基本概念 93
6.1.2　分割任务分类 94
6.1.3　评估指标 97
6.2　传统图像分割方法 99
6.2.1　基于阈值的分割 99
6.2.2　基于区域的分割 103
6.2.3　基于边缘的分割 108
6.3　基于深度学习的图像分割 110
6.3.1　全卷积网络 110
6.3.2　UNet及其变体 114
6.3.3　Mask R-CNN 117
6.3.4　DeepLab系列 119
6.4　本章小结 122
6.5　思考题与习题 123
第7章　图像识别 124
7.1　概述 124
7.1.1　图像识别的基本概念 124
7.1.2　图像识别的应用领域 125
7.1.3　图像识别面临的挑战 126
7.2　图像分类 127
7.2.1　图像分类的基本概念 127
7.2.2　图像分类的性能评估指标 128
7.2.3　基于传统机器学习的图像分类方法 130
7.2.4　基于深度学习的图像分类 133
7.3　目标检测 136
7.3.1　目标检测的基本概念 136
7.3.2　目标检测的性能评估指标 137
7.3.3　基于传统机器学习的目标检测方法 138
7.3.4　基于深度学习的目标检测 139
7.4　本章小结 153
7.5　思考题与习题 154
第8章　3D打印混凝土界面孔隙检测应用案例 155
8.1　案例背景 155
8.2　孔隙检测算法设计与实验验证 157
8.2.1　算法框架 157
8.2.2　自适应锚框聚类 157
8.2.3　孔隙特征提取网络 158
8.2.4　多尺度特征融合检测 162
8.2.5　实验验证与分析 163
8.3　本章小结 169
8.4　思考题与习题 169
第9章　高处作业行为监测应用案例 170
9.1　案例背景 170
9.2　异常行为检测算法设计 170
9.2.1　基本原理 170
9.2.2　目标检测 171
9.2.3　目标跟踪 172
9.2.4　质心特征提取 173
9.2.5　层级判定准则 175
9.2.6　实验结果分析 175
9.3　高处作业异常行为监测系统 177
9.3.1　需求分析 177
9.3.2　系统架构设计 177
9.3.3　主要功能模块 178
9.3.4　实验结果分析 181
9.4　本章小结 183
9.5　思考题与习题 183
参考文献 184