計算成像與感知

本書立足於機器智能中的視覺感知，聚焦計算成像和計算感知這兩大前沿交叉研究領域，圍繞傳統視覺感知面臨的響應維度單一、傳輸帶寬受限、信號噪聲串擾、信息通量不足等嚴峻挑戰，以“升維-擴域-去擾-識義”遞進式研究架構為線索，詳細介紹信息獲取、信息拓展、信息優化和信息理解的國內外前沿方法與技術，為解決機器智能領域視覺系統高維“看不到”、廣域“看不全”、細節“看不清”和語義“看不懂”等問題提供詳實的技術參考。

本書內容豐富、結構清晰、理論與實踐並重，可作為信息、光電、電腦等相關專業的研究生教材，亦可作為相關領域科研工作者及對此感興趣的讀者的參考書。

边丽蘅北京理工大学副研究员、博士生导师，研究方向为计算成像与感知。在Nature 旗下的Light: Science& Applications、eLight，以及IEEE Transactions on Image Processing 等国际期刊发表SCI 论文30 余篇，获得我国及其他发明专利授权20 余项。主持国家自然科学基金面上项目、重点项目课题， 国家重点研发计划课题等多个项目； 入选中国科协青年人才托举工程、北京市人才培养资助计划；获得SPIEPhotonics West Conference论文奖、中国电子学会博士学位论文奖、清华大学“学术新秀”等奖项。

戴琼海

中国工程院院士。任清华大学信息科学技术学院院长、中国人工智能学会理事长、北京信息科学与技术国家研究中心主任。曾获国家技术发明奖一等奖、国家科学技术进步奖二等奖等。长期从事人工智能、光场与计算摄像学等领域研究并取得成果。

前言

第　1 章緒論　1

1.1　視覺感知　1

1.2　計算成像　3

1.3　計算感知　4

1.4　本章小結　5

第　2 章信息獲取——“從無到有”　7

2.1　光強升維　8

2.1.1　單像素二維成像　8

2.1.2　單像素三維成像　23

2.2　光譜升維　30

2.2.1　多光譜單像素成像　31

2.2.2　量子點光譜儀　38

2.2.3　基於深度學習的光譜重建　46

2.3　光相升維　56

2.3.1　單像素疊層成像　57

2.3.2　編碼相乾衍射成像　72

2.3.3　多層編碼相乾衍射成像　79

2.4　本章小結　86

第3　章信息拓展——“從缺到全”　87

3.1　空域擴域　87

3.2　頻譜擴域　99

3.2.1　單像素探測　99

3.2.2　陣列探測　107

3.3　時域擴域　113

3.4　本章小結　125

第4　章信息優化——“從濁到清”　127

4.1　實數域優化　127

4.1.1　基於光譜通道冗餘的優化重建127

4.1.2　基於時間通道冗餘的優化重建145

4.1.3　基於非局部冗餘的優化重建159

4.2　復數域優化172

4.2.1　自適應迭代的交替投影重建　172

4.2.2　復數域Wirtinger 聯合優化重建　184

4.2.3　梯度截斷的復數域最大似然聯合重建195

4.2.4　大規模相位恢復　205

4.2.5　物理畸變校正　218

4.3　本章小結　227

第5　章信息理解——“從拙到靈”　229

5.1　免成像計算感知　229

5.1.1　目標識別　230

5.1.2　場景分割　236

5.2　散射增強的計算感知　242

5.2.1　單目標識別　242

5.2.2　多目標識別　251

5.3　本章小結　255

主要術語表　257

參考文獻　261