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。

戴琼海 1996年获得东北大学自动化专业博士，师从于柴天佑院士，1997年在清华大学做博士后并留校任教，2005年任教授。近年来主要从事交叉科学、计算摄像学、立体视觉和机器智能的研究。目前承担国家重大仪器项目一一多维多尺度计算摄像仪器的研究与开发。率领团队在视频信号处理和立体视频技术方面攻克了多个难题，并实现了产业化，分别获得国家技术发明一等奖和二等奖。

前言
第1章 绪论
1.1 视觉感知
1.2 计算成像
1.3 计算感知
1.4 本章小结
第2章 信息获取——“从无到有”
2.1 光强升维
2.1.1 单像素二维成像
2.1.2 单像素三维成像
2.2 光谱升维
2.2.1 多光谱单像素成像
2.2.2 量子点光谱仪
2.2.3 基于深度学习的光谱重建
2.3 光相升维
2.3.1 单像素叠层成像
2.3.2 编码相干衍射成像
2.3.3 多层编码相干衍射成像
2.4 本章小结
第3章 信息拓展——“从缺到全”
3.1 空域扩域
3.2 频谱扩域
3.2.1 单像素探测
3.2.2 阵列探测
3.3 时域扩域
3.4 本章小结
第4章 信息优化——“从浊到清”
4.1 实数域优化
4.1.1 基于光谱通道冗余的优化重建
4.1.2 基于时间通道冗余的优化重建
4.1.3 基于非局部冗余的优化重建
4.2 复数域优化
4.2.1 自适应迭代的交替投影重建
4.2.2 复数域Wirtinger联合优化重建
4.2.3 梯度截断的复数域最大似然联合重建
4.2.4 大规模相位恢复
4.2.5 物理畸变校正
4.3 本章小结
第5章 信息理解——“从拙到灵”
5.1 免成像计算感知
5.1.1 目标识别
5.1.2 场景分割
5.2 散射增强的计算感知
5.2.1 单目标识别
5.2.2 多目标识别
5.3 本章小结
主要术语表
参考文献