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
智能圖像處理與分析識別 版權信息
- ISBN：9787111729662
- 條形碼：9787111729662 ; 978-7-111-72966-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能圖像處理與分析識別 本書特色
本書以知識的系統性和應用的典型性為切入點，全面系統的介紹了智能圖像處理的基本思想、方法和理論。既可以應用于本科和研究生的教學，還可以為從事人工智能專業和數字圖像處理的工程技術人才提供豐富的程序開發樣例，助力學生和工程技術人才快速了解智能圖像處理技術的開發要點。本書提供了豐富的程序開發源代碼，無須使用付費開發工具就可以完成具有自主知識產權的數字圖像處理案例開發，助力學生和工程技術人才快速完成相關的工程研究項目，提升動手實踐和科研自主創新能力。
本書注重實用，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“車牌識別” “米粒質量缺陷檢測”“血細胞識別”和“手寫字符識別”，學生可以了解視頻技術在實際工作中的具體運用。本書可提供全部源代碼以及部分代表性案例實操教學視頻。
智能圖像處理與分析識別 內容簡介
本書系統介紹了智能圖像處理所需的基本知識與核心算法，主要包括四部分內容：**部分是數字圖像處理的理論基礎，包括數字圖像處理概述和圖像采集系統；第二部分是數字圖像處理的基本方法和實例，包括數字圖像基礎、圖像預處理、圖像變換和圖像復原；第三部分是圖像特征提取與分析的理論、方法和實例，包括圖像分割、圖像特征提取與選擇、圖像匹配和圖像智能識別方法；第四部分是數字圖像處理的工程應用案例，包括米粒分類識別、多氣泡上升軌跡跟蹤、血細胞圖像檢測、手寫字符識別和汽車牌照識別。本書基礎理論知識覆蓋面較全，講解過程深入淺出，可以促進學生對圖像處理知識的理解和學習；案例的設計思路和開發經驗講解詳細，引導讀者進行圖像處理技術實際工程能力的鍛煉及開拓創新意識的培養；提供電子教案、二維碼操作視頻、教學大綱、習題與解答及完整源代碼電子資源，對從事圖像處理領域項目開發的讀者有很好的借鑒作用，讀者可登錄wwwcmpeducom免費注冊、審核通過后下載使用，或聯系編輯索取（微信13146070618，電話010-88379739）；融入了科技創新、文化自信、愛國主義等思政元素，全方位培養學生的家國情懷。本書可作為高校人工智能、計算機科學與技術、機器人工程、控制科學與工程、通信與信息工程、電子科學與技術、生物醫學工程等相關專業的本科生和研究生教材，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參考。
智能圖像處理與分析識別 目錄
前言
第1章數字圖像處理概述
1.1數字圖像處理的產生與發展
1.2數字圖像的基本概念
1.2.1圖像與數字圖像
1.2.2數字圖像的存儲格式
1.3數字圖像處理的基本內容和
基本步驟
1.3.1基本內容
1.3.2基本步驟
1.4數字圖像處理的工程應用
1.5數字圖像處理的機遇與挑戰
【本章小結】
【課后習題】
第2章圖像采集系統
2.1光源
2.1.1光源的類型
2.1.2光源的顏色
2.1.3照明方式
2.1.4光源的選擇
2.2鏡頭
2.2.1鏡頭的成像原理
2.2.2鏡頭的主要參數
2.2.3鏡頭的類型
2.2.4鏡頭的選擇
2.3相機
2.3.1相機芯片的主要參數
2.3.2相機的主要參數
2.3.3相機的類型
2.3.4相機的選擇
【本章小結】
【課后習題】
第3章數字圖像基礎
3.1圖像采樣和量化
3.1.1采樣
3.1.2量化
3.1.3采樣與量化參數的選擇
3.2像素間的基本關系
3.2.1像素的鄰接
3.2.2鄰接性、連通性、區域和邊界
3.2.3距離度量
3.3灰度直方圖
3.3.1直方圖的定義
3.3.2直方圖的特性
3.3.3直方圖的作用
3.4圖像質量評價
3.4.1圖像質量評價方法
3.4.2均方誤差
3.4.3信噪比與峰值信噪比
3.4.4結構相似度
3.5圖像的點運算
3.6圖像的代數運算
3.6.1加法運算
3.6.2減法運算
3.6.3乘法運算
3.6.4除法運算
3.7圖像的幾何運算
【本章小結】
【課后習題】
第4章圖像預處理技術
4.1圖像的灰度變換
4.1.1線性變換
4.1.2分段線性變換
4.1.3灰度對數變換
4.1.4直方圖均衡化
4.2圖像的幾何變換
4.2.1平移
4.2.2旋轉
4.2.3鏡像
4.2.4比例放縮
4.2.5插值
4.3空間濾波增強
4.3.1空間濾波機理
4.3.2均值濾波
4.3.3中值濾波
4.4形態學處理
4.4.1腐蝕
4.4.2膨脹
4.4.3開運算
4.4.4閉運算
4.4.5細化
4.4.6填充
【本章小結】
【課后習題】
第5章圖像變換
5.1傅里葉變換
5.1.1一維和二維傅里葉變換基本
原理
5.1.2傅里葉變換的性質
5.1.3頻率域濾波（低通、高通、高斯、
帶通及帶阻濾波器）
5.1.4基于傅里葉變換的圖像頻域濾波
實現
5.2小波變換
5.2.1圖像二維離散小波變換
5.2.2基于小波變換的圖像去噪
5.2.3基于小波變換的圖像融合
【本章小結】
【課后習題】
第6章圖像復原
6.1圖像復原的理論模型
6.2噪聲模型
6.2.1噪聲的分類
6.2.2一些重要噪聲的概率密度函數
6.2.3周期噪聲
6.2.4估計噪聲參數
6.3幾種較經典的圖像復原方法
6.3.1逆濾波復原
6.3.2維納濾波復原
6.3.3有約束*小二乘復原
6.3.4盲去卷積圖像復原
6.4圖像復原案例：PLSMS模型
夜間霧霾圖像的復原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小結】
【課后習題】
第7章圖像分割技術
7.1閾值分割
7.1.1極小值點閾值法
7.1.2*小均方誤差閾值法
7.1.3迭代選擇閾值法
7.1.4雙峰閾值法
7.1.5*大類間方差閾值法
7.2邊緣檢測
7.2.1Roberts邊緣算子
7.2.2Prewitt邊緣算子
7.2.3Sobel邊緣算子
7.2.4Laplacian邊緣算子
7.2.5LoG邊緣算子
7.2.6Canny邊緣算子
7.2.7邊緣檢測算子MATLAB實現及
主要特性分析
7.3Hough變換
7.3.1Hough變換概述
7.3.2基于Hough變換的直線檢測
7.3.3基于Hough變換的曲線檢測
7.4基于區域的圖像分割
7.4.1區域生長算法
7.4.2區域分裂合并算法
7.5形態學分水嶺分割
7.5.1距離變換
7.5.2分水嶺建壩
7.5.3分水嶺分割算法
【本章小結】
【課后習題】
第8章圖像特征提取與選擇
8.1幾何特征
8.1.1位置
8.1.2方向
8.1.3周長
8.1.4面積
8.1.5矩形度
8.1.6長寬比
8.1.7圓形度
8.1.8偏心率
8.2顏色特征
8.2.1顏色模型
8.2.2顏色直方圖
8.2.3顏色矩
8.2.4顏色聚合向量
8.2.5顏色相關圖
8.3紋理特征
8.3.1基于灰度共生矩陣的紋理
特征構建
8.3.2基于灰度-梯度共生矩陣的
紋理特征構建
8.4基于主成分分析的特征選擇
8.4.1KL變換
8.4.2PCA的基本原理
8.4.3PCA代碼實現
8.5基于分離判據的特征選擇
【本章小結】
【課后習題】
第9章圖像匹配
9.1模板匹配的概念
9.2基于灰度相關的模板匹配
9.2.1MAD算法
9.2.2SAD算法
9.2.3SSD算法
9.2.4NCC算法
9.2.5SSDA算法
9.2.6SATD算法
9.3基于變換域的模板匹配
9.4基于特征相關的模板匹配
9.4.1基于SIFT算法的圖像匹配
9.4.2基于SURF算法的圖像匹配
9.4.3基于ORB算法的圖像匹配
【本章小結】
【課后習題】
第10章圖像智能識別方法
10.1聚類識別
10.1.1聚類算法主要思想
10.1.2KMeans聚類算法理論基礎
10.1.3聚類算法的實現
10.2支持向量機（SVM）識別
10.2.1SVM的分類思想
10.2.2SVM的基本理論
10.2.3SVM算法的實現
10.3人工神經網絡識別
10.3.1人工神經網絡的主要思想
10.3.2BP神經網絡的理論基礎
10.3.3BP神經網絡的實現
10.4卷積神經網絡（CNN）識別
10.4.1CNN的主要思想
10.4.2CNN的理論基礎
10.4.3CNN算法的實現
【本章小結】
【課后習題】
第11章工程應用——米粒分類
識別
11.1米粒圖像預處理
11.1.1圖像背景均勻化
11.1.2圖像二值化
11.1.3圖像去噪及米粒填充
11.2米粒圖像輪廓提取
11.3米粒圖像特征提取
11.4米粒分類
【本章小結】
第12章工程應用——多氣泡上升
軌跡跟蹤
12.1研究背景
12.2氣泡圖像的預處理
12.2.1氣泡圖像去噪
12.2.2氣泡圖像二值化
12.2.3氣泡圖像填充
12.3氣泡運動軌跡跟蹤方法
12.3.1基于互相關匹配的目標跟蹤
12.3.2基于圖像小波變換互相關
匹配的氣泡軌跡跟蹤實現
12.3.3基于MeanShift算法的目標
跟蹤
【本章小結】
第13章工程應用——血細胞圖像
檢測
13.1血細胞圖像形態學處理
13.1.1圖像預處理
13.1.2細胞的形態學分割
13.1.3細胞圖像邊緣處理
13.2血細胞圖像閾值分割處理
13.2.1全局閾值分割
13.2.2動態閾值分割
13.2.3目標提取
13.3血細胞圖像霍夫圓檢測
13.3.1圖像去噪
13.3.2霍夫圓檢測
13.4血細胞計數與面積計算
【本章小結】
第14章工程應用——手寫字符識別
14.1手寫字符定位與分割
14.2圖像裁剪及標準化
14.3特征矩陣提取
14.4模板庫建立
14.5字符匹配識別
14.6算法測試與應用
【本章小結】
第15章工程應用——汽車牌照
識別
15.1車牌圖像采集
15.2車牌圖像預處理及牌照定位
15.3汽車牌照區域的分割
15.4字符圖像分割
15.5字符細化
15.6BP神經網絡的訓練和字符的
識別
【本章小結】
參考文獻
第1章數字圖像處理概述
1.1數字圖像處理的產生與發展
1.2數字圖像的基本概念
1.2.1圖像與數字圖像
1.2.2數字圖像的存儲格式
1.3數字圖像處理的基本內容和
基本步驟
1.3.1基本內容
1.3.2基本步驟
1.4數字圖像處理的工程應用
1.5數字圖像處理的機遇與挑戰
【本章小結】
【課后習題】
第2章圖像采集系統
2.1光源
2.1.1光源的類型
2.1.2光源的顏色
2.1.3照明方式
2.1.4光源的選擇
2.2鏡頭
2.2.1鏡頭的成像原理
2.2.2鏡頭的主要參數
2.2.3鏡頭的類型
2.2.4鏡頭的選擇
2.3相機
2.3.1相機芯片的主要參數
2.3.2相機的主要參數
2.3.3相機的類型
2.3.4相機的選擇
【本章小結】
【課后習題】
第3章數字圖像基礎
3.1圖像采樣和量化
3.1.1采樣
3.1.2量化
3.1.3采樣與量化參數的選擇
3.2像素間的基本關系
3.2.1像素的鄰接
3.2.2鄰接性、連通性、區域和邊界
3.2.3距離度量
3.3灰度直方圖
3.3.1直方圖的定義
3.3.2直方圖的特性
3.3.3直方圖的作用
3.4圖像質量評價
3.4.1圖像質量評價方法
3.4.2均方誤差
3.4.3信噪比與峰值信噪比
3.4.4結構相似度
3.5圖像的點運算
3.6圖像的代數運算
3.6.1加法運算
3.6.2減法運算
3.6.3乘法運算
3.6.4除法運算
3.7圖像的幾何運算
【本章小結】
【課后習題】
第4章圖像預處理技術
4.1圖像的灰度變換
4.1.1線性變換
4.1.2分段線性變換
4.1.3灰度對數變換
4.1.4直方圖均衡化
4.2圖像的幾何變換
4.2.1平移
4.2.2旋轉
4.2.3鏡像
4.2.4比例放縮
4.2.5插值
4.3空間濾波增強
4.3.1空間濾波機理
4.3.2均值濾波
4.3.3中值濾波
4.4形態學處理
4.4.1腐蝕
4.4.2膨脹
4.4.3開運算
4.4.4閉運算
4.4.5細化
4.4.6填充
【本章小結】
【課后習題】
第5章圖像變換
5.1傅里葉變換
5.1.1一維和二維傅里葉變換基本
原理
5.1.2傅里葉變換的性質
5.1.3頻率域濾波（低通、高通、高斯、
帶通及帶阻濾波器）
5.1.4基于傅里葉變換的圖像頻域濾波
實現
5.2小波變換
5.2.1圖像二維離散小波變換
5.2.2基于小波變換的圖像去噪
5.2.3基于小波變換的圖像融合
【本章小結】
【課后習題】
第6章圖像復原
6.1圖像復原的理論模型
6.2噪聲模型
6.2.1噪聲的分類
6.2.2一些重要噪聲的概率密度函數
6.2.3周期噪聲
6.2.4估計噪聲參數
6.3幾種較經典的圖像復原方法
6.3.1逆濾波復原
6.3.2維納濾波復原
6.3.3有約束*小二乘復原
6.3.4盲去卷積圖像復原
6.4圖像復原案例：PLSMS模型
夜間霧霾圖像的復原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小結】
【課后習題】
第7章圖像分割技術
7.1閾值分割
7.1.1極小值點閾值法
7.1.2*小均方誤差閾值法
7.1.3迭代選擇閾值法
7.1.4雙峰閾值法
7.1.5*大類間方差閾值法
7.2邊緣檢測
7.2.1Roberts邊緣算子
7.2.2Prewitt邊緣算子
7.2.3Sobel邊緣算子
7.2.4Laplacian邊緣算子
7.2.5LoG邊緣算子
7.2.6Canny邊緣算子
7.2.7邊緣檢測算子MATLAB實現及
主要特性分析
7.3Hough變換
7.3.1Hough變換概述
7.3.2基于Hough變換的直線檢測
7.3.3基于Hough變換的曲線檢測
7.4基于區域的圖像分割
7.4.1區域生長算法
7.4.2區域分裂合并算法
7.5形態學分水嶺分割
7.5.1距離變換
7.5.2分水嶺建壩
7.5.3分水嶺分割算法
【本章小結】
【課后習題】
第8章圖像特征提取與選擇
8.1幾何特征
8.1.1位置
8.1.2方向
8.1.3周長
8.1.4面積
8.1.5矩形度
8.1.6長寬比
8.1.7圓形度
8.1.8偏心率
8.2顏色特征
8.2.1顏色模型
8.2.2顏色直方圖
8.2.3顏色矩
8.2.4顏色聚合向量
8.2.5顏色相關圖
8.3紋理特征
8.3.1基于灰度共生矩陣的紋理
特征構建
8.3.2基于灰度-梯度共生矩陣的
紋理特征構建
8.4基于主成分分析的特征選擇
8.4.1KL變換
8.4.2PCA的基本原理
8.4.3PCA代碼實現
8.5基于分離判據的特征選擇
【本章小結】
【課后習題】
第9章圖像匹配
9.1模板匹配的概念
9.2基于灰度相關的模板匹配
9.2.1MAD算法
9.2.2SAD算法
9.2.3SSD算法
9.2.4NCC算法
9.2.5SSDA算法
9.2.6SATD算法
9.3基于變換域的模板匹配
9.4基于特征相關的模板匹配
9.4.1基于SIFT算法的圖像匹配
9.4.2基于SURF算法的圖像匹配
9.4.3基于ORB算法的圖像匹配
【本章小結】
【課后習題】
第10章圖像智能識別方法
10.1聚類識別
10.1.1聚類算法主要思想
10.1.2KMeans聚類算法理論基礎
10.1.3聚類算法的實現
10.2支持向量機（SVM）識別
10.2.1SVM的分類思想
10.2.2SVM的基本理論
10.2.3SVM算法的實現
10.3人工神經網絡識別
10.3.1人工神經網絡的主要思想
10.3.2BP神經網絡的理論基礎
10.3.3BP神經網絡的實現
10.4卷積神經網絡（CNN）識別
10.4.1CNN的主要思想
10.4.2CNN的理論基礎
10.4.3CNN算法的實現
【本章小結】
【課后習題】
第11章工程應用——米粒分類
識別
11.1米粒圖像預處理
11.1.1圖像背景均勻化
11.1.2圖像二值化
11.1.3圖像去噪及米粒填充
11.2米粒圖像輪廓提取
11.3米粒圖像特征提取
11.4米粒分類
【本章小結】
第12章工程應用——多氣泡上升
軌跡跟蹤
12.1研究背景
12.2氣泡圖像的預處理
12.2.1氣泡圖像去噪
12.2.2氣泡圖像二值化
12.2.3氣泡圖像填充
12.3氣泡運動軌跡跟蹤方法
12.3.1基于互相關匹配的目標跟蹤
12.3.2基于圖像小波變換互相關
匹配的氣泡軌跡跟蹤實現
12.3.3基于MeanShift算法的目標
跟蹤
【本章小結】
第13章工程應用——血細胞圖像
檢測
13.1血細胞圖像形態學處理
13.1.1圖像預處理
13.1.2細胞的形態學分割
13.1.3細胞圖像邊緣處理
13.2血細胞圖像閾值分割處理
13.2.1全局閾值分割
13.2.2動態閾值分割
13.2.3目標提取
13.3血細胞圖像霍夫圓檢測
13.3.1圖像去噪
13.3.2霍夫圓檢測
13.4血細胞計數與面積計算
【本章小結】
第14章工程應用——手寫字符識別
14.1手寫字符定位與分割
14.2圖像裁剪及標準化
14.3特征矩陣提取
14.4模板庫建立
14.5字符匹配識別
14.6算法測試與應用
【本章小結】
第15章工程應用——汽車牌照
識別
15.1車牌圖像采集
15.2車牌圖像預處理及牌照定位
15.3汽車牌照區域的分割
15.4字符圖像分割
15.5字符細化
15.6BP神經網絡的訓練和字符的
識別
【本章小結】
參考文獻
展開全部
書友推薦
- >
推拿
- >
姑媽的寶刀
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
上帝之肋:男人的真實旅程
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
名家帶你讀魯迅:故事新編
- >
莉莉和章魚
本類暢銷
