本书较详细地介绍了曲面物体3D重建与基于深度学习的计算机视觉分析关键技术，内容不但包括了首次接触本学科的读者所需要具备的基础知识，而且包括近年来国内曲面物体3D重建与计算机视觉分析关键技术研究的重要成果。
本书可以作为高等院校计算机视觉、计算机软件与理论、人工智能和遥感图像处理等相关专业的高年级本科生或研究生的教材，也可以供相关领域的研究人员参考。

前言
第1章 深度图像分割
1.1 深度图像传统分割方法
1.1.1 基于边缘的分割方法
1.1.2 基于区域的分割方法
1.1.3 传统深度图像分割方法的缺陷
1.2 深度图像数学形态学分割
1.2.1 数学形态学基础理论
1.2.2 深度形态学基础理论
1.2.3 深度形态学基本运算
1.3 深度图像分割新方法
1.3.1 深度图像预处理
1.3.2 基于形态学算子的深度图像分割
1.3.3 基于水线区域的深度图像分割
1.4 方法验证与评估
1.4.1 计算机仿真
1.4.2 实验结果
1.4.3 深度图像分割方法评估体系
1.5 本章小结
参考文献
第2章 基于参数活动轮廓和向量场卷积的图像分割
2.1 活动轮廓模型理论
2.1.1 活动轮廓模型基本思想与分类
2.1.2 曲线演化理论
2.1.3 参数活动轮廓模型原理
2.1.4 几何活动轮廓模型
2.1.5 Snake模型
2.2 Snake参数轮廓模型改进
2.2.1 Snake模型改进
2.2.2 改进力构成
2.3 实验结果
2.3.1 仿真实验说明
2.3.2 不同图像分割法结果分析
2.4 本章小结
参考文献
第3章 点云模型伪洞修补与区域分割
3.1 点云模型基础
3.1.1 点云模型基本理论
3.1.2 点云模型几何特性
3.1.3 曲率估算
3.2 伪洞检测与修补
3.2.1 伪洞基本理论
3.2.2 检测伪洞边界点
3.2.3 伪洞边界提取
3.2.4 伪洞填充弥补
3.3 区域分割方法
3.3.1 传统区域分割方法验证
3.3.2 活动轮廓模型分割方法验证
3.3.3 实验结果
3.4 本章小结
参考文献
第4章 基于计算机视觉的水果分级
4.1 基于深度学习的水果分级
4.1.1 基于数字图像处理的水果分级方法
4.1.2 基于深度学习的水果分级方法
4.2 水果分级模型的优化和改进
4.2.1 数据优化
4.2.2 VGG16结构优化
4.3 本章小结
参考文献
第5章 基于深度学习的花卉图像分类
5.1 基于多损失注意力网络的花卉图像分类
5.1.1 Xception模型概述
5.1.2 注意力机制
5.1.3 三元组损失函数
5.1.4 多损失注意力网络模型设计
5.1.5 实验结果
5.2 基于多损失注意力双线性网络的花卉图像分类
5.2.1 残差网络
5.2.2 双线性卷积神经网络模型
5.2.3 多损失注意力双线性网络设计
5.2.4 实验结果
5.3 本章小结
参考文献
彩图