掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
買過本商品的人還買了
數字圖像處理基礎及工程應用 版權信息
- ISBN：9787111582960
- 條形碼：9787111582960 ; 978-7-111-58296-0
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數字圖像處理基礎及工程應用 本書特色
本書共分12章，第1章為緒論。第2章為數字圖像的獲取，主要針對圖像采集裝置進行介紹，包括相機、鏡頭、光源等硬件設施。第3章為數字圖像預處理，包括圖像變換、圖像增強及數字形態學在預處理中的應用。第4章為圖像分割技術，對Hough變換、區域分割等不同的邊緣檢測和圖像分割算法的應用及特點進行總結。第5章為圖像特征提取與選擇，包括顏色特征和幾何特征的提取方法、基于主成分分析和Fisher變化的特征選擇方法。第6章為圖像匹配，利用基于灰度和特征的匹配算法尋找與模板對應的圖像區域。第7章是圖像智能識別，對聚類識別、神經網絡識別、支持向量機、模糊識別理論和實現方法進行了詳細的講解。第8至12章為數字圖像案例，案例內容包括車牌識別、多氣泡上升軌跡跟蹤、人臉識別和圖像三維識別、燈腳質量檢測等。
本書第3至7章為數字圖像處理的基本處理方法，對本書中涉及的數字圖像處理算法進行了清晰明了的描述，并詳細描述了其實現過程，配有相應的程序代碼，使讀者（學生）容易理解所講內容的原理、理論知識。第8至12章主要是數字圖像處理技術在實際工程問題中的應用，對問題的研究背景、設計方案、解決方法、實現過程及代碼實現進行了細致的闡述。在案例的程序設計方面，采用MATLAB或OpenCV(C )語言實現，加強學生程序編寫、算法實現的能力，從而提升其在數字圖像處理方面的軟件開發能力。本書共分12章，第1章為緒論。第2章為數字圖像的獲取，主要針對圖像采集裝置進行介紹，包括相機、鏡頭、光源等硬件設施。第3章為數字圖像預處理，包括圖像變換、圖像增強及數字形態學在預處理中的應用。第4章為圖像分割技術，對Hough變換、區域分割等不同的邊緣檢測和圖像分割算法的應用及特點進行總結。第5章為圖像特征提取與選擇，包括顏色特征和幾何特征的提取方法、基于主成分分析和Fisher變化的特征選擇方法。第6章為圖像匹配，利用基于灰度和特征的匹配算法尋找與模板對應的圖像區域。第7章是圖像智能識別，對聚類識別、神經網絡識別、支持向量機、模糊識別理論和實現方法進行了詳細的講解。第8至12章為數字圖像案例，案例內容包括車牌識別、多氣泡上升軌跡跟蹤、人臉識別和圖像三維識別、燈腳質量檢測等。
本書第3至7章為數字圖像處理的基本處理方法，對本書中涉及的數字圖像處理算法進行了清晰明了的描述，并詳細描述了其實現過程，配有相應的程序代碼，使讀者（學生）容易理解所講內容的原理、理論知識。第8至12章主要是數字圖像處理技術在實際工程問題中的應用，對問題的研究背景、設計方案、解決方法、實現過程及代碼實現進行了細致的闡述。在案例的程序設計方面，采用MATLAB或OpenCV(C )語言實現，加強學生程序編寫、算法實現的能力，從而提升其在數字圖像處理方面的軟件開發能力。
本書總結了圖像領域先進理論和算法，對工程應用系統的綜合分析很有借鑒意義。可作為通信與信息工程、電子科學與技術、計算機科學與技術、控制科學與工程等相關專業教材及參考用書，也可供從事圖像處理、分析和識別等相關領域的科技工作者和工程技術人員參考。
數字圖像處理基礎及工程應用 內容簡介
1）以知識的系統性和應用的典型性為切入點，全面系統的介紹了數字圖像處理的基本思想、方法和理論
2） 深刻抓住了學生學習數字圖像處理的難點和對教材內容的需求，大多數知識點都給出了典型例題以及分析和總結，使讀者輕松入門，循序漸進提高，將知識融會在自己的方法中，潛移默化提高解決圖像工程問題的能力。
3）內容安排科學合理、層次清晰、邏輯性強、例題典型、習題豐富、實用性好、針對性強
4）注重實用，重視理論與實踐的結合。在介紹基本理論的同時，盡量與當前的實際應用結合，使學生學起來有的放矢。通過新增加的視頻信息處理技術在智能交通系統和汽車中的應用等章節，學生可以了解視頻技術在實際工作中的具體運用。
數字圖像處理基礎及工程應用 目錄
目錄
前言
第1章數字圖像處理概述
1.1數字圖像的基本概念
1.1.1圖像
1.1.2數字圖像及其存儲方式
1.1.3數字圖像的分類
1.1.4數字圖像處理系統
1.2數字圖像處理發展史及發展趨勢
1.3數字圖像處理的特點
1.4數字圖像處理的工程應用
1.5數字圖像處理的主要內容
【課后習題】
第2章圖像采集
2.1照明
2.1.1光源類型
2.1.2照明方式
2.1.3選擇合適的照明光源及照明方式
2.2鏡頭
2.2.1鏡頭的基本常識
2.2.2鏡頭的類型
2.2.3選擇合適的鏡頭
2.3相機
2.4相機接口技術
【課后習題】
第3章圖像預處理技術
3.1圖像的灰度變換
3.1.1線性變化
3.1.2分段線性變換
3.1.3灰度對數變換
3.1.4直方圖均衡化
3.2圖像的幾何變換
3.2.1平移
3.2.2旋轉
3.2.3比例放縮
3.2.4鏡像
3.2.5插值
3.3圖像增強
3.3.1均值濾波
3.3.2中值濾波
3.3.3對比度增強
3.3.4小波去噪
3.4形態學處理
3.4.1腐蝕
3.4.2膨脹
3.4.3開運算
3.4.4閉運算
3.4.5細化
3.4.6填充
【課后習題】
第4章圖像分割技術
4.1邊緣檢測
4.1.1Roberts邊緣算子
4.1.2Sobel邊緣算子
4.1.3Prewitt邊緣算子
4.1.4Laplacian邊緣算子
4.1.5LoG邊緣算子
4.1.6Canny邊緣算子
4.1.7邊緣檢測算子的MATLAB實現
4.2Hough變換
4.2.1Hough變換概述
4.2.2基于Hough變換的直線檢測
4.2.3基于Hough變換的曲線檢測
4.3閾值分割
4.3.1閾值分割的基本原理
4.3.2閾值分割方法的分類
4.3.3極小值點閾值法
4.3.4*小均方誤差法
4.3.5迭代選擇閾值法
4.3.6雙峰法
4.3.7*大類間方差法
4.4基于區域的圖像分割
4.4.1區域生長算法
4.4.2區域分裂合并算法
【課后習題】
第5章圖像特征提取與選擇
5.1顏色特征
5.1.1顏色直方圖
5.1.2顏色集
5.1.3顏色矩
5.1.4顏色聚合向量
5.1.5顏色相關圖
5.2基于灰度共生矩陣的紋理特征構建
5.2.1灰度共生矩陣的定義
5.2.2基于灰度共生矩陣的紋理特征
5.2.3基于灰度-梯度共生矩陣的紋理特征構建
5.3幾何特征
5.3.1位置
5.3.2方向
5.3.3周長
5.3.4面積
5.4基于主成分分析的特征選擇
5.5基于Fisher線性判據的特征選擇
【課后習題】
第6章圖像匹配
6.1模板匹配旳概念
6.2基于灰度相關的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亞像素精度匹配
6.4使用空間金字塔進行匹配
6.4.1空間金字塔的表示方法
6.4.2空間金字塔匹配的基本原理
6.4.3空間金字塔匹配算法實現
6.5帶旋轉與縮放的模板匹配
6.5.1高斯尺度空間的極值檢測
6.5.2特征點位置的確定
6.5.3特征點方向的確定
6.5.4特征點描述子生成
6.5.5SIFT特征向量的匹配
【課后習題】
第7章圖像智能識別方法
7.1聚類識別
7.1.1聚類算法主要思想
7.1.2K-Means聚類算法理論基礎
7.1.3聚類算法的MATLAB實現
7.2神經網絡識別
7.2.1人工神經網絡的主要思想
7.2.2BP神經網絡算法的理論基礎
7.2.3神經網絡學習算法的MATLAB實現
7.3支持向量機識別
7.3.1支持向量機的分類思想
7.3.2SVM的基本理論
7.3.3SVM算法的MATLAB實現
7.4模糊識別
7.4.1模糊圖像識別的設計思想
7.4.2貼近度與模糊度
7.4.3*大隸屬原則與擇近原則
7.4.4模糊算法的MATLAB實現
【課后習題】
第8章工程應用：車牌識別
8.1牌照定位
8.2牌照區域的分割
8.3字符分割與歸一化
8.4字符細化
8.5字符的識別
第9章工程應用：多氣泡上升軌跡跟蹤
9.1氣泡圖像的預處理
9.2氣泡運動軌跡跟蹤方法
9.2.1基于互相關匹配的目標跟蹤
9.2.2基于Mean-Shift算法的目標跟蹤
第10章工程應用：人臉識別
10.1ORL人臉數據庫簡介
10.2基于PCA的人臉圖像的特征提取
10.3人臉圖像識別方法
10.3.1k-近鄰算法
10.3.2BP神經網絡法
10.3.3基于BP神經網絡法和k-近鄰法的綜合決策分類
10.3.4實驗的結果
10.4簡單實例
第11章工程應用：基于SURF特征點匹配的圖像三維識別
11.1圖像三維識別系統的方案設計
11.2圖像三維識別過程
11.2.1三維圖像預處理
11.2.2基于SURF算法的特征點匹配
11.2.3*優匹配點的提取
11.2.4圖像三維坐標的計算
11.2.5圖像三維識別
11.3基于SURF特征點匹配的圖像三維識別的OpenCV完整代碼
第12章工程應用：基于OpenCV的燈腳質量檢測
12.1燈腳質量檢測的方案設計
12.2燈腳質量檢測過程
12.2.1相機標定
12.2.2燈腳圖像檢測
12.2.3燈腳檢測界面及結果分析
附錄顏色集
參考文獻
前言
第1章數字圖像處理概述
1.1數字圖像的基本概念
1.1.1圖像
1.1.2數字圖像及其存儲方式
1.1.3數字圖像的分類
1.1.4數字圖像處理系統
1.2數字圖像處理發展史及發展趨勢
1.3數字圖像處理的特點
1.4數字圖像處理的工程應用
1.5數字圖像處理的主要內容
【課后習題】
第2章圖像采集
2.1照明
2.1.1光源類型
2.1.2照明方式
2.1.3選擇合適的照明光源及照明方式
2.2鏡頭
2.2.1鏡頭的基本常識
2.2.2鏡頭的類型
2.2.3選擇合適的鏡頭
2.3相機
2.4相機接口技術
【課后習題】
第3章圖像預處理技術
3.1圖像的灰度變換
3.1.1線性變化
3.1.2分段線性變換
3.1.3灰度對數變換
3.1.4直方圖均衡化
3.2圖像的幾何變換
3.2.1平移
3.2.2旋轉
3.2.3比例放縮
3.2.4鏡像
3.2.5插值
3.3圖像增強
3.3.1均值濾波
3.3.2中值濾波
3.3.3對比度增強
3.3.4小波去噪
3.4形態學處理
3.4.1腐蝕
3.4.2膨脹
3.4.3開運算
3.4.4閉運算
3.4.5細化
3.4.6填充
【課后習題】
第4章圖像分割技術
4.1邊緣檢測
4.1.1Roberts邊緣算子
4.1.2Sobel邊緣算子
4.1.3Prewitt邊緣算子
4.1.4Laplacian邊緣算子
4.1.5LoG邊緣算子
4.1.6Canny邊緣算子
4.1.7邊緣檢測算子的MATLAB實現
4.2Hough變換
4.2.1Hough變換概述
4.2.2基于Hough變換的直線檢測
4.2.3基于Hough變換的曲線檢測
4.3閾值分割
4.3.1閾值分割的基本原理
4.3.2閾值分割方法的分類
4.3.3極小值點閾值法
4.3.4*小均方誤差法
4.3.5迭代選擇閾值法
4.3.6雙峰法
4.3.7*大類間方差法
4.4基于區域的圖像分割
4.4.1區域生長算法
4.4.2區域分裂合并算法
【課后習題】
第5章圖像特征提取與選擇
5.1顏色特征
5.1.1顏色直方圖
5.1.2顏色集
5.1.3顏色矩
5.1.4顏色聚合向量
5.1.5顏色相關圖
5.2基于灰度共生矩陣的紋理特征構建
5.2.1灰度共生矩陣的定義
5.2.2基于灰度共生矩陣的紋理特征
5.2.3基于灰度-梯度共生矩陣的紋理特征構建
5.3幾何特征
5.3.1位置
5.3.2方向
5.3.3周長
5.3.4面積
5.4基于主成分分析的特征選擇
5.5基于Fisher線性判據的特征選擇
【課后習題】
第6章圖像匹配
6.1模板匹配旳概念
6.2基于灰度相關的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亞像素精度匹配
6.4使用空間金字塔進行匹配
6.4.1空間金字塔的表示方法
6.4.2空間金字塔匹配的基本原理
6.4.3空間金字塔匹配算法實現
6.5帶旋轉與縮放的模板匹配
6.5.1高斯尺度空間的極值檢測
6.5.2特征點位置的確定
6.5.3特征點方向的確定
6.5.4特征點描述子生成
6.5.5SIFT特征向量的匹配
【課后習題】
第7章圖像智能識別方法
7.1聚類識別
7.1.1聚類算法主要思想
7.1.2K-Means聚類算法理論基礎
7.1.3聚類算法的MATLAB實現
7.2神經網絡識別
7.2.1人工神經網絡的主要思想
7.2.2BP神經網絡算法的理論基礎
7.2.3神經網絡學習算法的MATLAB實現
7.3支持向量機識別
7.3.1支持向量機的分類思想
7.3.2SVM的基本理論
7.3.3SVM算法的MATLAB實現
7.4模糊識別
7.4.1模糊圖像識別的設計思想
7.4.2貼近度與模糊度
7.4.3*大隸屬原則與擇近原則
7.4.4模糊算法的MATLAB實現
【課后習題】
第8章工程應用：車牌識別
8.1牌照定位
8.2牌照區域的分割
8.3字符分割與歸一化
8.4字符細化
8.5字符的識別
第9章工程應用：多氣泡上升軌跡跟蹤
9.1氣泡圖像的預處理
9.2氣泡運動軌跡跟蹤方法
9.2.1基于互相關匹配的目標跟蹤
9.2.2基于Mean-Shift算法的目標跟蹤
第10章工程應用：人臉識別
10.1ORL人臉數據庫簡介
10.2基于PCA的人臉圖像的特征提取
10.3人臉圖像識別方法
10.3.1k-近鄰算法
10.3.2BP神經網絡法
10.3.3基于BP神經網絡法和k-近鄰法的綜合決策分類
10.3.4實驗的結果
10.4簡單實例
第11章工程應用：基于SURF特征點匹配的圖像三維識別
11.1圖像三維識別系統的方案設計
11.2圖像三維識別過程
11.2.1三維圖像預處理
11.2.2基于SURF算法的特征點匹配
11.2.3*優匹配點的提取
11.2.4圖像三維坐標的計算
11.2.5圖像三維識別
11.3基于SURF特征點匹配的圖像三維識別的OpenCV完整代碼
第12章工程應用：基于OpenCV的燈腳質量檢測
12.1燈腳質量檢測的方案設計
12.2燈腳質量檢測過程
12.2.1相機標定
12.2.2燈腳圖像檢測
12.2.3燈腳檢測界面及結果分析
附錄顏色集
參考文獻
展開全部
數字圖像處理基礎及工程應用 作者簡介
宋麗梅 天津工業大學電氣工程與自動化學院 副院長
2008/10－至今，天津工業大學，電氣工程與自動化學院，教授，副院長
2011/10－2012/04，澳大利亞Wollongong大學，信息學院，訪問學者
2006/05－2008/09，西南科技大學，信息工程學院，副教授
2006/02－2006/08，日本廣島工業大學，情報科學部，訪問學者
2004/06－2006/04，天津大學，精密儀器與光電子工程學院，博士后
中國圖像圖形學會高級會員，計算機學會高級會員，。長期從事自動控制與圖像特征識別方面的研究工作，作為項目負責人主持項目7項、部委級項目25項、橫向課題38項。國內外發表論文80多篇，SCI、EI檢索50多篇。出版教材2部，授權國家發明專利21項、實用新型專利32項。榮獲國際“發明展”金獎2項，公安部技術革新特別項目獎2項。
書友推薦
- >
我與地壇
- >
我從未如此眷戀人間
- >
二體千字文
- >
推拿
- >
巴金－再思錄
- >
煙與鏡
- >
羅庸西南聯大授課錄
- >
小考拉的故事-套裝共3冊
本類暢銷
