智能视觉是利用计算机模拟视觉各级中枢神经系统功能，旨在分析图像中对象的几何和物理属性以及对象问的关系，以实现对图像的感知、识别和解释。智能视觉的关键环节是从图像的光谱能量分布中提取特征，并运用特征对图像逐像素赋予语义标签，实现像素级别的精确分割——语义分割。本书以人眼视觉系统对图像的观察、分析和认知为生物依据，以图像像素一图像特征一语义分割为主线，深入地阐述了智能视觉的相关理论及算法。

第1章 绪论
1.1 图像视觉特征
1.1.1 亮度感知
1.1.2 对象轮廓
1.1.3 对象形状
1.1.4 对象视觉感知
1.2 图像分割研究现状
1.2.1 图像区域分割
1.2.2 感兴趣对象提取
1.2.3 图像语义分割
1.3 图像语义分割难点
1.3.1 先验信息
1.3.2 分割框架
习题与讨论
参考文献
第2章 图像及其类型
2.1 图像数字表示
2.2 图像类型
2.2.1 二值图像
2.2.2 灰度图像
2.2.3 彩色图像
2.2.4 不同类型之比较
2.3 灰度直方图
2.3.1 直方图均衡化
2.3.2 直方图形状分析
2.3.3 基于直方图的图像二值化
习题与讨论
参考文献
第3章 图像颜色分析
3.1 CIE色度学系统
3.1.1 CIE-XYZ系统
3.1.2 CIELUV均匀颜色空间
3.1.3 CIELab均匀颜色空间
3.2 视频颜色模型
3.2.1 YUV颜色模型
3.2.2 YIQ颜色模型
3.2.3 YCbCr颜色模型
3.3 视觉颜色模型
习题与讨论
参考文献
第4章 图像质量评价
4.1 主观评价
4.2 参考的客观评价
4.2.1 基于颜色损失的评价
4.2.2 基于结构相似性的评价
4.2.3 基于感兴趣区域的评价
4.3 无参考的客观评价
4.3.1 基于视觉掩盖的评价
4.3.2 仿生视觉评价
习题与讨论
参考文献
第5章 图像平滑及多尺度分析
5.1 均值滤波
5.2 高斯滤波
5.3 中值滤波
5.4 保边平滑
5.4.1 平滑性能
5.4.2 离散化运算
5.5 图像多尺度分析
5.5.1 高斯尺度空间
5.5.2 非线性尺度空间
5.5.3 不同尺度空间之比较
习题与讨论
参考文献
第6章 图像边缘检测
6.1 图像梯度
6.2 一阶微分算子
6.2.1 Roberts算子
6.2.2 Prewitt算子
6.2.3 Sobel算子
6.2.4 Canny算子
6.3 二阶微分算子
6.3.1 Laplacian算子
6.3.2 Log算子
6.3.3 Dog算子
6.4 图像边缘类型
6.4.1 阶跃边缘
6.4.2 斜坡边缘
6.4.3 三角形边缘
6.4.4 方波边缘
6.4.5 楼梯边缘
6.4.6 屋脊边缘
习题与讨论
参考文献
第7章 图像区域及表示
7.1 图像区域分割
7.1.1 基于像素相似性的聚类算法
7.1.2 基于SLIC的区域分割
7.1.3 基于图论的区域分割
7.2 区域颜色
7.2.1 区域颜色表示
7.2.2 颜色相似性分析
7.3 区域形状
7.4 区域纹理
习题与讨论
参考文献
第8章 基于活动轮廓的图像分割
8.1 对象轮廓表示
8.1.1 轮廓的参数表示
8.1.2 轮廓的集合表示
8.2 曲线演化
8.2.1 参数化曲线演化
8.2.2 水平集演化
8.3 曲线演化速率
8.3.1 恒速率演化
8.3.2 曲率演化
8.4 参数活动轮廓模型
8.4.1 Snake模型的能量泛函
8.4.2 Snake模型的离散计算
8.5 几何活动轮廓模型
8.5.1 基于边缘的几何活动轮廓模型
8.5.2 基于区域的几何活动轮廓模型
8.6 分割算法评价
习题与讨论
参考文献
第9章 基于图论的对象提取
9.1 对象提取图模型
9.1.1 图像图表示
9.1.2 对象提取图表示
9.2 对象模式及其权重
9.2.1 局部直方图模式
9.2.2 高斯混合模式
9.2.3 权重计算
9.3 图割理论
9.3.1 网络流
9.3.2 最大流最小割定理
9.3.3 最大流算法
9.4 对象提取
9.4.1 对象标注
9.4.2 对象提取算法
9.4.3 对象提取算法分析
习题与讨论
参考文献
第10章 基于卷积神经网络的语义分割
10.1 卷积神经网络
lO.1.1 卷积神经网络结构
10.1.2 卷积神经网络激活函数
10.1.3 卷积神经网络的优缺点
10.2 卷积神经网络的训练
10.2.1 参数初始化
10.2.2 正向传播
10.2.3 反向传播
10.3 全卷积神经网络
10.3.1 全卷积神经网络结构
10.3.2 全卷积神经网络的上采样
10.3.3 全卷积神经网络的优缺点
习题与讨论
参考文献