掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 版權(quán)信息
- ISBN：9787111770206
- 條形碼：9787111770206 ; 978-7-111-77020-6
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 本書特色
圖像處理作為一門發(fā)展迅速的學(xué)科，涵蓋內(nèi)容極其廣泛。本書力求在有限的篇幅內(nèi)盡可能覆蓋圖像處理的基礎(chǔ)知識以及各重要分支。本書在介紹理論的同時，也給出了大量實用性極強的算法代碼以及應(yīng)用示例。本書所有示例都給出了詳盡參數(shù)，以便讀者能夠在相應(yīng)的圖像處理平臺上復(fù)現(xiàn)這些示例的處理過程，加深對理論的理解。本書理論與實踐相結(jié)合，對讀者的實際工作具有很高的指導(dǎo)價值。
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 內(nèi)容簡介
圖像處理作為一門發(fā)展迅速的學(xué)科，涵蓋內(nèi)容極其廣泛。本書力求在有限的篇幅內(nèi)盡可能覆蓋圖像處理的基礎(chǔ)知識以及各重要分支。本書共分4部分：第1部分（第1~6章）介紹圖像處理基礎(chǔ)知識；第2部分（第7~10章）介紹圖像分割、區(qū)域分析、邊緣檢測與尺寸測量、圖像匹配等圖像處理的各重要分支；第3部分（第11章）介紹機器學(xué)習(xí)知識；第4部分（第12章）介紹圖像處理中的數(shù)學(xué)基礎(chǔ)。從第2部分開始，各章節(jié)相對比較獨立，讀者可根據(jù)需要選擇閱讀。 本書在介紹理論的同時，也給出了大量實用性極強的算法代碼以及應(yīng)用示例。本書所有示例都給出了詳盡參數(shù)，以便讀者能夠在相應(yīng)的圖像處理平臺上復(fù)現(xiàn)這些示例的處理過程，加深對理論的理解。 本書可作為高等院校計算機、自動化及相關(guān)專業(yè)本科生或研究生的參考用書，也可供相關(guān)領(lǐng)域的研究人員和工程技術(shù)人員閱讀參考。
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 前言
在人類所感知的外界信息中，至少有80%來自視覺，足見視覺對人類的重要性。而用計算機對數(shù)字圖像進行分析處理則是對人類視覺的輔助和替代，例如基于視覺方案的自動駕駛系統(tǒng)。通常學(xué)者們將這種對數(shù)字圖像的分析處理劃分為三個層次：圖像處理、圖像分析和計算機視覺。圖像處理是低層處理，定義為輸入和輸出都是圖像的處理，如圖像濾波、圖像增強、幾何變換等；圖像分析是中層處理，定義為輸入是圖像，而輸出是從這些圖像中提取的特征，如邊緣、數(shù)量、位置等；計算機視覺是高層處理，定義為用計算機來模擬人類的視覺，包括學(xué)習(xí)并根據(jù)視覺輸入進行智能推斷和采取行動等，屬于機器學(xué)習(xí)范疇。但這種劃分有其不合理的地方，例如，簡單的圖像均值屬于中層的圖像分析，而遠(yuǎn)比其復(fù)雜的頻率域濾波卻屬于低層的圖像處理。另外，直方圖均衡化屬于圖像處理，但其中用到的直方圖又屬于圖像分析。鑒于此，有學(xué)者將圖像分析劃歸到圖像處理中。
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 目錄
前言
第1章 緒論/
1.1引言/
1.2圖像采集/
1.2.1CCD和CMOS圖像傳感器/
1.2.2圖像分辨率/
1.3圖像存儲/
1.4圖像的視覺感知/
1.4.1亮度和對比度/
1.4.2敏銳度/
1.4.3視覺錯覺/
1.5圖像處理應(yīng)用/
第2章 圖像處理基礎(chǔ)/
2.1基本概念/
2.1.1圖像坐標(biāo)系/
2.1.2距離測度/
2.1.3鄰域/
2.1.4連通性/
2.1.5連通區(qū)域/
2.1.6感興趣區(qū)域/
2.1.7點運算與鄰域運算/
2.1.8線性運算與非線性運算/
2.1.9邊緣擴展/
2.2彩色圖像/
2.2.1彩色基礎(chǔ)/
2.2.2顏色模型/
2.2.3顏色空間變換/
2.3算術(shù)和邏輯運算/
2.3.1算術(shù)運算/
2.3.2邏輯運算/
2.4圖像統(tǒng)計/
2.4.1均值和方差/
2.4.2直方圖/
2.4.3積分圖像/
2.4.4熵/
2.4.5投影/
第3章 形態(tài)學(xué)/
3.1形態(tài)學(xué)基礎(chǔ)/
3.2腐蝕和膨脹/
3.2.1腐蝕/
3.2.2膨脹/
3.2.3腐蝕和膨脹的性質(zhì)/
3.3開運算和閉運算/
3.4擊中-擊不中變換/
3.5細(xì)化、粗化和裁剪/
3.5.1細(xì)化/
3.5.2粗化/
3.5.3裁剪/
3.6距離變換/
3.7灰度形態(tài)學(xué)/
3.7.1灰度腐蝕和膨脹/
3.7.2灰度開運算和閉運算/
3.8形態(tài)學(xué)應(yīng)用/
3.8.1二值形態(tài)學(xué)應(yīng)用/
3.8.2灰度形態(tài)學(xué)應(yīng)用/
第4章 圖像濾波與噪聲/
4.1空間域濾波/
4.1.1空間域濾波基礎(chǔ)/
4.1.2低通濾波/
4.1.3高通濾波/
4.1.4空間域濾波應(yīng)用/
4.2頻率域濾波/
4.2.1離散傅里葉變換/
4.2.2快速傅里葉變換/
4.2.3頻率域濾波原理和步驟/
4.2.4低通濾波/
4.2.5高通濾波/
4.2.6帶阻和帶通濾波/
4.2.7陷波濾波/
4.2.8頻率域濾波應(yīng)用/
4.2.9頻率域濾波小結(jié)/
4.3噪聲估計與添加/
4.3.1基本概念/
4.3.2噪聲估計/
4.3.3噪聲添加/
第5章 幾何變換/
5.1空間變換/
5.1.1仿射變換/
5.1.2投影變換/
5.1.3極坐標(biāo)變換/
5.2灰度插值/
5.2.1*近鄰插值/
5.2.2雙線性插值/
5.2.3雙三次插值/
5.3圖像金字塔/
5.3.1高斯金字塔/
5.3.2均值金字塔/
第6章 圖像增強/
6.1灰度拉伸/
6.2基于直方圖的圖像增強/
6.2.1直方圖均衡化/
6.2.2直方圖規(guī)定化/
6.3指數(shù)、對數(shù)和冪次變換/
6.3.1指數(shù)變換/
6.3.2對數(shù)變換/
6.3.3冪次變換/
6.4對比度增強/
6.5陰影校正/
6.6沖擊濾波/
第7章 圖像分割/
7.1閾值分割/
7.1.1全局閾值/
7.1.2自動閾值/
7.1.3動態(tài)閾值/
7.1.4區(qū)域閾值/
7.1.5變差模型/
7.2基于邊緣的分割/
7.2.1邊緣圖像閾值化/
7.2.2邊界閉合/
7.3分水嶺法/
7.3.1無種子分水嶺算法/
7.3.2有種子分水嶺算法/
7.4區(qū)域生長法和k-means聚類算法/
7.4.1區(qū)域生長法/
7.4.2k-means聚類算法/
7.5彩色圖像分割/
7.5.1HSV顏色空間中的分割/
7.5.2二維直方圖中的分割/
第8章 區(qū)域分析/
8.1區(qū)域描述和提取/
8.1.1區(qū)域描述/
8.1.2區(qū)域提取/
8.2區(qū)域分析前處理/
8.2.1剔除邊緣區(qū)域/
8.2.2填充孔洞/
8.2.3提取孔洞/
8.3區(qū)域特征/
8.3.1面積、質(zhì)心和周長/
8.3.2長度、寬度和伸長度/
8.3.3等效橢圓的形狀特征/
8.3.4凸包特征/
8.3.5外接幾何圖形/
8.3.6緊湊度、粗糙度、矩形度和圓度/
8.3.7費雷特特征/
8.3.8孔洞特征/
8.3.9區(qū)域篩選/
8.4亞像素區(qū)域邊緣提取/
8.5區(qū)域分析應(yīng)用/
8.5.1產(chǎn)品表面缺陷檢測/
8.5.2位置檢測/
8.5.3數(shù)量統(tǒng)計/
第9章 邊緣檢測與尺寸測量/
9.1邊緣檢測/
9.1.1Marr-Hildreth算子/
9.1.2Canny算子/
9.1.3Hough變換/
9.1.4脊線檢測/
9.2亞像素邊緣檢測/
9.2.1一維亞像素邊緣檢測/
9.2.2二維亞像素邊緣檢測/
9.3邊緣特征/
9.3.1尺寸和位置特征/
9.3.2形狀特征/
9.3.3邊緣篩選/
9.4高精度尺寸測量/
9.4.1直線邊測量/
9.4.2圓和圓弧邊測量/
9.4.3提高測量精度/
9.5多邊形逼近曲線邊緣/
9.5.1Douglas-Peucker算法/
9.5.2離散曲線演化算法/
9.6邊緣分段/
第10章 圖像匹配/
10.1灰度匹配/
10.1.1絕對誤差和法與誤差平方和法/
10.1.2序貫相似性檢測法/
10.1.3相關(guān)系數(shù)法/
10.2特征匹配/
10.2.1邊緣距離法/
10.2.2邊緣梯度法/
10.2.3形狀上下文法/
10.2.4特征點法/
10.3圖像匹配應(yīng)用/
10.3.1應(yīng)用案例/
10.3.2使用技巧/
10.4小結(jié)/
第11章 機器學(xué)習(xí)/
11.1基本概念/
11.2k近鄰法/
11.3貝葉斯分類器/
11.3.1貝葉斯決策論/
11.3.2樸素貝葉斯分類器/
11.3.3正態(tài)貝葉斯分類器/
11.3.4貝葉斯分類器在OCR中的應(yīng)用/
11.4高斯混合模型/
11.4.1高斯混合模型的定義/
11.4.2高斯混合模型在缺陷檢測中的應(yīng)用/
11.5支持向量機/
11.5.1支持向量機概述/
11.5.2對偶問題/
11.5.3核函數(shù)/
11.5.4支持向量機擴展/
11.5.5支持向量機在缺陷檢測中的應(yīng)用/
11.6神經(jīng)網(wǎng)絡(luò)/
11.6.1神經(jīng)元模型/
11.6.2單層感知機/
11.6.3多層感知機/
11.6.4異常檢測/
11.6.5多層感知機在OCR中的應(yīng)用/
11.7小結(jié)/
第12章 圖像處理中的數(shù)學(xué)基礎(chǔ)/
12.1集合/
12.2復(fù)數(shù)/
12.2.1復(fù)數(shù)的概念/
12.2.2復(fù)數(shù)的表示法/
12.3線性代數(shù)/
12.3.1矩陣和向量/
12.3.2矩陣運算/
12.3.3線性方程組/
12.3.4特征值和特征向量/
12.3.5范數(shù)/
12.4概率論與數(shù)理統(tǒng)計/
12.4.1概率論的基本概念/
12.4.2隨機變量及其分布/
12.4.3隨機變量的數(shù)字特征/
12.4.4極大似然估計法/
12.5直線、曲線和曲面擬合/
12.5.1*小二乘法/
12.5.2直線擬合/
12.5.3圓和橢圓擬合/
12.5.4拋物線和拋物面擬合/
12.5.5高斯曲線和高斯曲面擬合/
12.6積分變換/
12.6.1傅里葉積分/
12.6.2傅里葉變換/
12.6.3卷積和相關(guān)/
參考文獻/
展開全部
圖像處理與機器學(xué)習(xí):算法深度解析與應(yīng)用實踐 作者簡介
任涵文，籍貫江蘇宜興，畢業(yè)于華中科技大學(xué)，獲工學(xué)博士學(xué)位。長期從事圖像處理理論和應(yīng)用研究，特別是對工業(yè)圖像處理有著豐富的理論知識和實踐經(jīng)驗，獨立開發(fā)出RSIL圖像處理軟件包。
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實旅程
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
羅曼·羅蘭讀書隨筆-精裝
- >
月亮與六便士
- >
【精裝繪本】畫給孩子的中國神話
- >
龍榆生：詞曲概論/大家小書
本類暢銷
