第1章 水下圖像成像基礎(chǔ)
1.1 引言
1.2 水下光學性質(zhì)
1.2.1 水體的光學分類
1.2.2 水體固有光學性質(zhì)
1.2.3 水體表觀光學特性
1.3 水下圖像成像理論
1.3.1 水下成像系統(tǒng)
1.3.2 水下圖像建模
1.3.3 模型簡化
1.4 水下圖像特點概述
1.4.1 水下圖像的多樣性
1.4.2 水下圖像的退化問題
1.5 水下圖像質(zhì)量評測常用指標
1.5.1 主觀評價標準
1.5.2 客觀評價標準
1.6 水下成像相關(guān)技術(shù)
1.6.1 聲波成像技術(shù)
1.6.2 水下激光成像技術(shù)
1.6.3 水下高光譜成像技術(shù)
1.7 小結(jié)
思考題
參考文獻
第2章 水下圖像視頻增強與復原
2.1 引言
2.2 水下光學圖像退化模型
2.2.1 運動模型
2.2.2 散焦模型
2.2.3 高斯模型
2.3 水下圖像增強與復原
2.3.1 基于成像模型的水下圖像復原方法
2.3.2 基于無模型的水下圖像增強方法
2.3.3 基于深度學習的水下圖像增強與復原方法
2.4 水下視頻增強與復原
2.5 水下圖像質(zhì)量評價方法
2.6 小結(jié)
思考題
參考文獻
第3章 水下圖像視頻去噪
3.1 引言
3.2 噪聲模型
3.2.1 高斯噪聲
3.2.2 脈沖噪聲
3.2.3 散斑噪聲
3.3 水下圖像去噪
3.3.1 空間域濾波去噪
3.3.2 變換域濾波去噪
3.4 水下視頻去噪
3.5 小結(jié)
思考題
參考文獻
第4章 水下圖像視頻分割
4.1 引言
4.2 常用圖像分割方法
4.2.1 閥值分割
4.2.2 基于區(qū)域增長分割
4.2.3 基于邊緣檢測分割
4.2.4 形態(tài)學分水嶺分割
4.3 基于智能算法的圖像分割
4.3.1 基于小波變換的圖像分割
4.3.2 基于馬爾科夫隨機場模型的圖像分割
4.3.3 基于遺傳算法的圖像分割
4.3.4 基于聚類的圖像分割
4.3.5 基于深度學習的圖像分割
4.4 視頻分割方法
4.4.1 傳統(tǒng)的視頻分割方法
4.4.2 基于深度學習的視頻分割方法
4.5 評價指標
4.5.1 圖像分割評價指標
4.5.2 視頻對象分割評價指標
4.6 小結(jié)
思考題
參考文獻
第5章 水下目標檢測
5.1 引言
5.2 基于特征描述的目標檢測
5.2.1 基于Haar特征的目標檢測方法
5.2.2 基于HOG特征的目標檢測方法
5.3 基于深度學習的目標檢測
5.3.1 深度學習骨干網(wǎng)絡結(jié)構(gòu)
5.3.2 二階段目標檢測方法
5.3.3 一階段目標檢測方法
5.4 水下視頻目標檢測
5.4.1 基于運動目標背景建模的視頻目標檢測方法
5.4.2 基于深度學習的視頻目標檢測方法
5.5 評價方法
5.5.1 Precision和Recall指標
5.5.2 AP和mAP指標
5.5.3 F-measure指標
5.6 小結(jié)
思考題
參考文獻
第6章 水下目標跟蹤
6.1 引言
6.2 生成式目標跟蹤
6.2.1 光流法
……

第7章水下目標識別

第8章水下立體視覺

第9章機器視覺在海洋及水產(chǎn)科學研究中的應用

第10章機器視覺在水下機器人中的應用

附錄

參考文獻及相關(guān)鏈接