掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關鍵技術
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術轉(zhuǎn)移與技術創(chuàng)新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
數(shù)字圖像處理與分析 版權信息
- ISBN：9787030756817
- 條形碼：9787030756817 ; 978-7-03-075681-7
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
數(shù)字圖像處理與分析 內(nèi)容簡介
本書系統(tǒng)介紹數(shù)字圖像處理和分析的基本原理、經(jīng)典內(nèi)容及近年來的重要進展和實例，加強現(xiàn)代數(shù)學方法與數(shù)字圖像處理的融合，把深度學習方法作為數(shù)字圖像處理的一種重要方法貫穿于相應內(nèi)容中。全書共12章，內(nèi)容包括圖像增強、圖像壓縮、圖像復原、數(shù)學形態(tài)學、圖像分割的傳統(tǒng)方法、圖像分割的現(xiàn)代方法、圖像分割的深度學習方法及先驗知識引導、圖像配準傳統(tǒng)方法、深度學習圖像配準與傳統(tǒng)圖像配準的相互促進等。本書包括一些例題講解，每章都有小結、參考文獻和分級的復習思考題，其中一些復習思考題專注于學生綜合能力的培養(yǎng)。
數(shù)字圖像處理與分析 目錄
目錄序前言第1章 緒論 11.1 數(shù)字圖像處理的概念 11.2 數(shù)字圖像處理的歷史 21.3 數(shù)字圖像處理的應用實例 31.4 數(shù)字圖像處理的一些工具 101.5 數(shù)字圖像處理的一些動態(tài) 111.6 本書的內(nèi)容及特色 121.7 本書的結構 13總結和復習思考 14小結 14復習思考題 14參考文獻 15第2章 數(shù)字圖像處理基礎 162.1 人眼視覺基礎 162.2 數(shù)字圖像的數(shù)學表征 182.3 數(shù)字圖像紋理 222.4 數(shù)字圖像插值 242.5 深度學習發(fā)展歷史 272.6 深度學習圖像處理基本單元 29總結和復習思考 42小結 42復習思考題 42參考文獻 44第3章 數(shù)字圖像增強 473.1 數(shù)字圖像的空域增強 473.1.1 灰度映射 483.1.2 直方圖修正 493.1.3 空域濾波 523.2 數(shù)字圖像的頻域增強 643.3 其他變換域的數(shù)字圖像增強 703.4 基于低秩矩陣稀疏分解的圖像去噪 843.5 混合域圖像增強 883.6 深度學習圖像增強 91總結和復習思考 94小結 94復習思考題 95參考文獻 96第4章 數(shù)字圖像壓縮 984.1 數(shù)字圖像壓縮基礎 984.2 圖像壓縮模型 1014.2.1 信源編碼器和信源解碼器 1014.2.2 信道編碼器和信道解碼器 1024.3 無損圖像壓縮 1034.3.1 霍夫曼編碼 1034.3.2 算術編碼 1044.3.3 位平面編碼 1054.3.4 LZW編碼 1064.3.5 無損預測編碼 1074.4 有損圖像壓縮 1084.4.1 有損預測編碼 1094.4.2 變換編碼 1114.4.3 模型編碼 1144.5 數(shù)字圖像壓縮標準 1144.6 深度學習圖像壓縮 116總結和復習思考 119小結 119復習思考題 120參考文獻 121第5章 數(shù)字圖像復原 1235.1 常見圖像退化及一般建模 1245.2 常見圖像噪聲 1255.3 空域噪聲濾波器 1295.4 圖像的無約束復原 1355.5 圖像的有約束復原 1375.6 深度學習圖像復原 142總結和復習思考 148小結 148復習思考題 148參考文獻 149第6章 數(shù)學形態(tài)學圖像處理 1506.1 數(shù)學形態(tài)學的背景知識 1506.2 二值圖像數(shù)學形態(tài)學 1516.3 灰度圖像數(shù)學形態(tài)學 1556.4 灰度圖像數(shù)學形態(tài)學應用 158總結和復習思考 162小結 162復習思考題 162參考文獻 163第7章 數(shù)字圖像分割的傳統(tǒng)方法 1647.1 數(shù)字圖像分割的歷史回顧 1657.2 灰度閾值計算 1667.2.1 基于類間方差*大化的灰度閾值計算 1667.2.2 基于*小分類誤差的灰度閾值計算 1687.2.3 基于一維熵*大化的灰度閾值計算 1707.2.4 基于模糊熵*大化的灰度閾值計算 1727.2.5 基于圖像過渡區(qū)域的灰度閾值計算 1757.2.6 結合先驗知識的有監(jiān)督灰度閾值計算 1767.2.7 局部灰度閾值計算 1837.3 圖像邊緣計算 1857.3.1 基于一階偏導數(shù)的邊緣檢測 1857.3.2 基于二階偏導數(shù)的邊緣檢測 1877.3.3 坎尼邊緣算子 1887.3.4 基于多項式逼近的邊緣檢測 1907.4 基于區(qū)域的圖像分割 1917.4.1 區(qū)域生長與分裂合并 1917.4.2 聚類算法 1927.5 分水嶺分割及分割的精細化 1947.6 區(qū)域分割及邊緣分割的融合 200總結和復習思考 203小結 203復習思考題 204參考文獻 205第8章 數(shù)字圖像分割的現(xiàn)代方法 2088.1 *大后驗概率分割 2088.2 馬爾可夫隨機場*大后驗概率分割 2118.3 主動輪廓模型分割 2148.4 圖切割分割 2198.5 條件隨機場分割及先驗知識融合 2268.6 現(xiàn)代分割方法的先驗知識 2308.6.1 現(xiàn)代分割方法的形狀先驗知識 2308.6.2 現(xiàn)代分割方法的其他先驗知識 2388.6.3 現(xiàn)代分割方法先驗知識的綜合應用 239總結和復習思考 243小結 243復習思考題 245參考文獻 245第9章 數(shù)字圖像配準 2489.1 數(shù)字圖像配準技術概述 2489.2 數(shù)字圖像配準的空間變換 2509.3 數(shù)字圖像配準的相似性測度 2549.4 數(shù)字圖像配準的優(yōu)化策略 2579.5 常見數(shù)字圖像配準方法 2659.6 常見數(shù)字圖像配準工具 279總結和復習思考 282小結 282復習思考題 283參考文獻 284第10章 彩色圖像處理 28610.1 彩色基礎 28610.2 彩色空間 28910.3 偽彩色圖像處理 29210.4 彩色圖像各分量的灰度變換 29510.5 彩色圖像的增強 29710.6 彩色圖像的邊緣提取 29910.7 彩色圖像的分割 30110.8 基于四元數(shù)表征的彩色圖像處理 30310.8.1 基于四元數(shù)表征的彩色圖像去噪 31010.8.2 基于四元數(shù)表征的彩色圖像邊緣提取 31610.9 深度學習彩色圖像識別 317總結和復習思考 326小結 326復習思考題 327參考文獻 328第11章 深度學習圖像分割 33011.1 深度學習圖像識別 33011.2 深度學習圖像檢測 33511.3 深度學習圖像邊緣檢測 33811.4 深度學習圖像語義分割 34211.4.1 U-Net圖像分割 34211.4.2 基于GAN的圖像語義分割 34611.5 深度學習語義分割的先驗引導 34811.5.1 深度學習圖像語義分割的隱空間引導 34911.5.2 深度學習圖像語義分割的深度圖譜引導 35211.5.3 深度學習圖像語義分割的多目標物聯(lián)合引導 35611.5.4 深度學習圖像語義分割的高質(zhì)量數(shù)據(jù)引導 360總結和復習思考 367小結 367復習思考題 368參考文獻 369第12章 深度學習圖像配準 37212.1 無監(jiān)督的深度學習圖像配準 37212.2 監(jiān)督學習配準測度 37712.3 弱監(jiān)督引導的圖像配準 38112.4 深度學習引導傳統(tǒng)圖像配準 38612.5 生成對抗網(wǎng)絡增強圖像配準 38912.6 可逆大形變深度學習圖像配準 393總結和復習思考 399小結 399復習思考題 400參考文獻 401
展開全部
書友推薦
- >
我與地壇
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
莉莉和章魚
- >
伯納黛特,你要去哪(2021新版)
- >
隨園食單
- >
中國歷史的瞬間
- >
名家?guī)阕x魯迅:朝花夕拾
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
