本书立足于机器智能中的视觉感知，聚焦计算成像和计算感知这两大前沿交叉研究领域，围绕传统视觉感知面临的响应维度单一、传输带宽受限、信号噪声串扰、信息通量不足等严峻挑战，以“升维-扩域-去扰-识义”递进式研究架构为线索，详细介绍信息获取、信息拓展、信息优化和信息理解的国内外前沿方法与技术，为解决机器智能领域视觉系统高维“看不到”、广域“看不全”、细节“看不清”和语义“看不懂”等问题提供详实的技术参考。
本书内容丰富、结构清晰、理论与实践并重，可作为信息、光电、计算机等相关专业的研究生教材，亦可作为相关领域科研工作者及对此感兴趣的读者的参考书。
是深度融合计算成像语义研究、计算感知这一新兴领域的专著；
汇聚了戴琼海院士团队在成像维度、场域、分辨率等方面的前沿研究成果；
本书成果将为机器视觉系统带来革新方向，推动构建新型机器智能模态；
本书的研究成果将在微观观察、医疗图像、空基监测等军用民用关键领域发挥重要作用
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 章绪论 1
1.1 视觉感知 1
1.2 计算成像 3
1.3 计算感知 4
1.4 本章小结 5
第 2 章信息获取——“从无到有” 7
2.1 光强升维 8
2.1.1 单像素二维成像 8
2.1.2 单像素三维成像 23
2.2 光谱升维 30
2.2.1 多光谱单像素成像 31
2.2.2 量子点光谱仪 38
2.2.3 基于深度学习的光谱重建 46
2.3 光相升维 56
2.3.1 单像素叠层成像 57
2.3.2 编码相干衍射成像 72
2.3.3 多层编码相干衍射成像 79
2.4 本章小结 86
第3 章信息拓展——“从缺到全” 87
3.1 空域扩域 87
3.2 频谱扩域 99
3.2.1 单像素探测 99
3.2.2 阵列探测 107
3.3 时域扩域 113
3.4 本章小结 125
第4 章信息优化——“从浊到清” 127
4.1 实数域优化 127
4.1.1 基于光谱通道冗余的优化重建127
4.1.2 基于时间通道冗余的优化重建145
4.1.3 基于非局部冗余的优化重建159
4.2 复数域优化172
4.2.1 自适应迭代的交替投影重建 172
4.2.2 复数域Wirtinger 联合优化重建 184
4.2.3 梯度截断的复数域最大似然联合重建195
4.2.4 大规模相位恢复 205
4.2.5 物理畸变校正 218
4.3 本章小结 227
第5 章信息理解——“从拙到灵” 229
5.1 免成像计算感知 229
5.1.1 目标识别 230
5.1.2 场景分割 236
5.2 散射增强的计算感知 242
5.2.1 单目标识别 242
5.2.2 多目标识别 251
5.3 本章小结 255
主要术语表 257
参考文献 261
书单推荐
