本书为《图像工程》第5版的下册，主要介绍图像工程的第三层次——图像理解的基本概念、基本原理、典型方法、实用技术以及国际上有关研究的新成果。
本书第1章是绪论，介绍图像理解基础并概述全书。图像理解的主要内容分别在4个单元中介绍。第1单元（包含第2～5章）介绍图像采集表达技术；其中第2章介绍摄像机成像模型和标定技术，第3章介绍压缩感知理论及其在成像中的应用，第4章介绍采集含深度信息图像的方法，第5章介绍各种表达3一D景物的技术。第2单元（包含第6～9章）介绍景物重建技术，其中第6章介绍双目立体视觉方法，第7章介绍多目立体视觉方法，第8章介绍基于多幅图像恢复景物的技术，第9章介绍基于单幅图像恢复景物的技术。第3单元（包含第10～12章）介绍场景解释技术，其中第10章介绍知识表达和推理方法，第11章介绍目标和符号匹配技术，第12章介绍场景分析和语义解释的内容。第4单元（包含第13～16章）介绍4个研究方向的示例，其中第13章介绍同时定位和制图的原理，第14章介绍多传感器图像信息融合方法，第15章介绍基于内容的图像和视频检索技术，第16章介绍时空行为理解的内容。书中的附录A介绍了有关视觉和视知觉的知识，与各章都相关。
本书可作为高等院校信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统、计算机视觉等本科和研究生专业基础课或专业课教材，也可供信息与通信工程、电子科学与技术、计算机科学与技术、测控技术与仪器、机器人自动化、生物医学工程、光学、电子医疗设备研制、遥感、测绘和军事侦察等领域的科技工作者参考。

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
……
第2单元 景物重建
第3单元 场景解释
第4单元 研究示例
附录A 视觉和视知觉
主题索引
部分思考题和练习题解答
参考文献