建设项目监管机理及方法：基于计算机视觉技术的研究

前言
第1章 绪论 1
1.1 研究背景和意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 国内外研究现状 6
1.2.1 国外研究现状 6
1.2.2 国内研究现状 8
1.3 相关理论综述 13
1.3.1 委托代理理论 13
1.3.2 演化博弈理论 16
1.3.3 过程控制理论 18
1.4 研究内容、方案及创新点 20
1.4.1 研究内容 20
1.4.2 研究方案 23
1.4.3 主要创新点 24
第2章 建设项目目标监管问题研究 28
2.1 工程目标视角下的基本问题 28
2.1.1 目标属性视角下的问题表现 29
2.1.2 行为与外部环境视角下的问题表现 36
2.2 委托代理博弈视角下的监管机理 41
2.2.1 委托代理基本监管模型 41
2.2.2 委托代理监管机理及其不足 45
2.3 演化博弈视角下的监管机理 47
2.3.1 演化博弈视角下的监管过程和机会主义行为 47
2.3.2 建设项目监管问题的演化博弈模型 49
2.4 基于过程监管的必要性与可行性 56
2.4.1 监管理论与过程的必然契合性 56
2.4.2 基于过程-信息理论的监管思路 59
2.5 本章小结 65
第3章 建设项目目标实时监管机理研究 66
3.1 基于随机过程的演化博弈 66
3.1.1 基本随机过程模型 66
3.1.2 基于Markov随机过程的演化博弈模型 70
3.2 监管者-代理人演化博弈仿真 74
3.2.1 监管者-代理人双群体演化博弈模型 74
3.2.2 监管者-代理人双群体演化博弈仿真 77
3.2.3 模型内生因素的影响 80
3.3 监管框架的影响 91
3.3.1 信息监管成本的影响 91
3.3.2 过程信息点分布的影响 97
3.3.3 技术框架的建立 99
3.4 本章小结 101
第4章 基于高分辨率遥感图像的监管对象识别原理 102
4.1 图像分析对于工程监管的可行性 102
4.1.1 数字图像的获取方式和存储方式 102
4.1.2 数字图像识别对于建立高监中概率框架的意义 105
4.2 频域纹理（Texture）识别方法 109
4.2.1 纹理识别原理 109
4.2.2 纹理的频域本质 114
4.2.3 工程地物的纹理属性识别及实例 117
4.3 区域增长（Region Growing）识别方法 125
4.3.1 区域增长地物识别方法与其不足 125
4.3.2 工程地物color image segmentation实例 129
4.4 特征识别（Feature Detection）法 131
4.4.1 工程地物图像的小波特征 131
4.4.2 工程地物图像的可用特征 136
4.4.3 特征学习方法 140
4.5 本章小结 141
第5章 基于工程表观视觉过程特征的监管对象识别方法 143
5.1 基于轮廓特征的施工区域对象识别 143
5.1.1 基于特征的识别机训练方法 143
5.1.2 工程地物特征框架的建立 145
5.1.3 施工区对象识别实例 160
5.2 基于纹理特征的目标内部性质识别 163
5.2.1 建筑施工纹理 163
5.2.2 辅助区域纹理 171
5.3 基于阴影特征的目标高度性质识别 175
5.3.1 基于阴影的建筑物高度识别 175
5.3.2 基于边缘检测与梯度阈值的阴影识别 178
5.4 本章小结 182
第6章 基于工程逻辑的建设项目实时监管模型 183
6.1 表观进度目标表征框架 183
6.1.1 工程进度计划到表观计划的映射 183
6.1.2 遥感图像与表观计划的像素点对准 189
6.1.3 表观进度表征框架 193
6.2 表观安全环境目标表征框架 195
6.2.1 表观安全表征 195
6.2.2 表观环境表征 198
6.3 间接表观表征框架 203
6.3.1 结合表观信息的费用目标表征 203
6.3.2 结合表观信息的质量目标表征 205
6.4 本章小结 207
第7章 建设项目监管信息系统框架设计 209
7.1 系统基本用例 209
7.1.1 政府投资大型公共设施集群项目监管场景 209
7.1.2 政府投资项目群监管场景 214
7.2 系统基本工作流 217
7.2.1 政府投资大型项目监管场景 217
7.2.2 政府投资项目群监管场景 219
7.3 本章小结 221
第8章 结论与展望 222
8.1 本书主要结论 222
8.2 本书的不足与展望 225
参考文献 227