掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)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(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
智能圖像處理及應(yīng)用 版權(quán)信息
- ISBN：9787111774815
- 條形碼：9787111774815 ; 978-7-111-77481-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
智能圖像處理及應(yīng)用 本書特色
本書遵循教指委相關(guān)指導(dǎo)文件和高等院校學(xué)生學(xué)習(xí)規(guī)律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結(jié)合。
智能圖像處理及應(yīng)用 內(nèi)容簡介
本書系統(tǒng)闡述了圖像處理的基本理論與實現(xiàn)方法，重點論述了人工智能在圖像處理領(lǐng)域的理論創(chuàng)新與實踐應(yīng)用。本書內(nèi)容分為兩大部分，**部分主要介紹圖像處理的基本理論、算法和技術(shù)，包括圖像變換、圖像增強、圖像復(fù)原、圖像融合、圖像壓縮、圖像分割和圖像識別等內(nèi)容；第二部分主要介紹智能圖像處理在多個領(lǐng)域的應(yīng)用實例，包括智能遙感領(lǐng)域應(yīng)用實例、智慧醫(yī)療領(lǐng)域應(yīng)用實例和多源圖像智能融合領(lǐng)域應(yīng)用實例等內(nèi)容。 本書可作為人工智能、電子信息工程、計算機科學(xué)與技術(shù)、自動化、機器人工程和生物醫(yī)學(xué)工程等專業(yè)高年級本科生的教材，也可供相關(guān)專業(yè)研究人員和工程技術(shù)人員參考。 本書配有電子課件、源代碼、習(xí)題答案、實驗實踐項目、微課視頻等教學(xué)資源，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊后索取。
智能圖像處理及應(yīng)用智能圖像處理及應(yīng)用 前言
前言
智能圖像處理及應(yīng)用在數(shù)字信息技術(shù)日新月異的時代，圖像作為一種直觀、高效的信息載體，成為信息傳遞和解譯的關(guān)鍵媒介，以及連接現(xiàn)實和數(shù)字世界的橋梁。從社交媒體上隨手分享的日常照片，到科研實驗中的縝密數(shù)據(jù)分析，再到醫(yī)療診斷中關(guān)乎健康的影像資料，圖像幾乎無處不在。然而，如何從這些海量的圖像中高效、準確地提取有價值的信息，成為科學(xué)研究、工業(yè)生產(chǎn)、醫(yī)療健康等多個領(lǐng)域中的一個亟待解決的問題。
基于這樣的背景，本書應(yīng)運而生，旨在為讀者提供一套完整的智能圖像處理理論、技術(shù)和應(yīng)用指南。本書從圖像處理的基本概念入手，逐步深入到圖像變換、增強、復(fù)原、融合、壓縮、分割和識別等核心技術(shù)。同時，本書結(jié)合人工智能和機器學(xué)習(xí)的*新進展，探討了智能圖像處理在遙感、醫(yī)療、多源圖像融合等領(lǐng)域的應(yīng)用，通過系統(tǒng)而深入的講解，幫助讀者掌握圖像處理的基本理論、核心技術(shù)和前沿應(yīng)用，為圖像處理領(lǐng)域的學(xué)習(xí)、研究與實踐提供堅實的支撐。眾所周知，圖像處理不僅僅是技術(shù)層面的操作，更是思維方式的轉(zhuǎn)變和解決問題能力的提升。因此，本書力求通過系統(tǒng)、全面的內(nèi)容，激發(fā)讀者對圖像處理技術(shù)的興趣與熱情，培養(yǎng)讀者在復(fù)雜信息環(huán)境中獲取、分析和利用圖像數(shù)據(jù)的能力。
智能圖像處理及應(yīng)用 目錄
序
前言
第1章緒論1
1.1圖像處理概述1
1.2智能圖像處理概述3
1.3智能圖像處理應(yīng)用6
本章小結(jié)7
第2章圖像變換8
2.1圖像變換概述8
2.2基本算術(shù)運算8
2.2.1加法運算8
2.2.2減法運算9
2.2.3乘法運算9
2.2.4除法運算10
2.3基本幾何運算10
2.3.1平移變換10
2.3.2旋轉(zhuǎn)變換11
2.3.3縮放變換12
2.3.4仿射變換13
2.4離散傅里葉變換14
2.4.1一維離散傅里葉變換14
2.4.2二維離散傅里葉變換14
2.5離散余弦變換15
2.5.1一維離散余弦變換16
2.5.2二維離散余弦變換16
2.6離散小波變換17
2.6.1一維離散小波變換17
2.6.2二維離散小波變換18
2.7稀疏表示20
2.8基于深度學(xué)習(xí)的圖像變換21
本章小結(jié)24
習(xí)題24
第3章圖像增強26
3.1圖像增強概述26
3.2圖像平滑濾波27
3.2.1均值濾波27
3.2.2中值濾波29
3.2.3高斯模糊30
3.3圖像銳化濾波31
3.3.1梯度法31
3.3.2拉普拉斯算子32
3.3.3頻域濾波33
3.4直方圖均衡化34
3.5偽彩色圖像增強36
3.5.1密度分割法36
3.5.2灰度變換法37
3.5.3頻域偽彩色增強38
3.6基于Retinex的圖像增強40
3.7基于深度學(xué)習(xí)的圖像增強41
3.7.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像增強42
3.7.2基于弱監(jiān)督學(xué)習(xí)的圖像增強44
3.7.3基于無監(jiān)督學(xué)習(xí)的圖像增強45
3.7.4常用損失函數(shù)47
本章小結(jié)47
習(xí)題47
第4章圖像復(fù)原49
4.1圖像復(fù)原概述49
4.2噪聲模型51
4.2.1噪聲的空間和頻率特性52
4.2.2常見噪聲的概率密度函數(shù)52
4.2.3周期噪聲56
4.3基于濾波器的噪聲濾除57
4.3.1均值濾波器57
4.3.2統(tǒng)計排序濾波器60
4.3.3自適應(yīng)濾波器64
4.4基于頻率分析的周期噪聲濾除69
4.4.1帶阻濾波器69
4.4.2帶通濾波器71
4.5無約束圖像復(fù)原71
4.5.1逆濾波72
4.5.2無約束*小二乘求解方法73
4.6有約束圖像復(fù)原73
4.6.1基于稀疏表示的圖像復(fù)原74
4.6.2基于低秩約束的圖像復(fù)原75
4.7基于深度學(xué)習(xí)的圖像復(fù)原76
4.7.1基于深度學(xué)習(xí)的圖像去噪77
4.7.2基于深度學(xué)習(xí)的圖像超分辨率復(fù)原79
4.7.3基于深度學(xué)習(xí)的圖像去模糊79
4.7.4基于深度學(xué)習(xí)的圖像修復(fù)81
本章小結(jié)82
習(xí)題82
第5章圖像融合84
5.1圖像融合概述84
5.2多源圖像配準85
5.2.1基本概念85
5.2.2特征點匹配85
5.2.3仿射變換85
5.3空間域圖像融合87
5.4變換域圖像融合88
5.5基于稀疏表示的圖像融合89
5.6基于深度學(xué)習(xí)的圖像融合90
5.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像融合91
5.6.2基于自監(jiān)督學(xué)習(xí)的圖像融合91
5.6.3基于無監(jiān)督學(xué)習(xí)的圖像融合92
本章小結(jié)93
習(xí)題93
第6章圖像壓縮95
6.1圖像壓縮概述95
6.1.1圖像中的信息冗余96
6.1.2圖像壓縮分類96
6.1.3圖像編碼評價97
6.2統(tǒng)計編碼100
6.2.1霍夫曼編碼100
6.2.2費諾-香農(nóng)編碼102
6.2.3算術(shù)編碼102
6.2.4行程編碼103
6.3預(yù)測編碼104
6.3.1線性預(yù)測編碼105
6.3.2非線性預(yù)測編碼105
6.4矢量量化106
6.4.1矢量量化的基本思想106
6.4.2矢量量化器的設(shè)計107
6.5變換域壓縮107
6.5.1變換域壓縮的基本思想107
6.5.2變換域編碼的原理108
6.6基于深度學(xué)習(xí)的圖像壓縮109
6.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像壓縮109
6.6.2基于循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像壓縮110
6.6.3基于生成對抗網(wǎng)絡(luò)的圖像壓縮111
本章小結(jié)112
習(xí)題112
第7章圖像分割113
7.1圖像分割概述113
7.2邊緣檢測114
7.2.1邊緣檢測算子114
7.2.2邊緣跟蹤122
7.3圖像閾值分割126
7.3.1直方圖閾值分割法127
7.3.2*大類間方差閾值分割法129
7.4基于區(qū)域的分割131
7.4.1區(qū)域增長法131
7.4.2分裂合并法133
7.5基于深度學(xué)習(xí)的圖像分割136
7.5.1基于全卷積網(wǎng)絡(luò)的圖像分割137
7.5.2基于多尺度特征聚合的圖像分割139
7.5.3基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的圖像分割139
7.5.4基于注意力機制的圖像分割141
本章小結(jié)142
習(xí)題142
第8章圖像識別144
8.1圖像識別概述144
8.2圖像特征提取145
8.2.1顏色特征145
8.2.2紋理特征147
8.2.3形狀特征149
8.2.4空間關(guān)系特征150
8.3傳統(tǒng)圖像識別方法150
8.4基于深度學(xué)習(xí)的圖像識別151
8.4.1粗粒度圖像識別152
8.4.2細粒度圖像識別157
本章小結(jié)158
習(xí)題158
第9章智能遙感領(lǐng)域應(yīng)用實例160
9.1渤海灣海洋溢油檢測160
9.1.1耀斑去除與噪聲估計161
9.1.2溢油區(qū)域探測163
9.2DOTA數(shù)據(jù)集目標檢測179
9.2.1數(shù)據(jù)預(yù)處理180
9.2.2方法設(shè)計180
本章小結(jié)182
習(xí)題182
第10章智慧醫(yī)療領(lǐng)域應(yīng)用實例183
10.1視網(wǎng)膜光學(xué)相干斷層掃描圖像智能處理技術(shù)183
10.1.1視網(wǎng)膜光學(xué)相干斷層掃描圖像的去噪184
10.1.2視網(wǎng)膜光學(xué)相干斷層掃描圖像的壓縮重建188
10.1.3視網(wǎng)膜光學(xué)相干斷層掃描圖像的病灶定位與診斷189
10.2腦高光譜圖像智能處理技術(shù)212
10.2.1圖像預(yù)處理213
10.2.2診斷方法214
本章小結(jié)215
習(xí)題216
第11章多源圖像智能融合領(lǐng)域應(yīng)用實例217
11.1紅外圖像與可見光圖像融合217
11.1.1圖像預(yù)處理217
11.1.2圖像融合218
11.2視網(wǎng)膜光學(xué)相干斷層掃描圖像與眼底圖像融合230
11.3多源遙感圖像融合252
11.3.1圖像預(yù)處理253
11.3.2地物分類253
11.4多源大模型遙感圖像解譯254
11.4.1多源遙感大模型255
11.4.2基于大模型的多源遙感圖像解譯256
本章小結(jié)257
習(xí)題258
附錄相關(guān)術(shù)語259
參考文獻261
前言
第1章緒論1
1.1圖像處理概述1
1.2智能圖像處理概述3
1.3智能圖像處理應(yīng)用6
本章小結(jié)7
第2章圖像變換8
2.1圖像變換概述8
2.2基本算術(shù)運算8
2.2.1加法運算8
2.2.2減法運算9
2.2.3乘法運算9
2.2.4除法運算10
2.3基本幾何運算10
2.3.1平移變換10
2.3.2旋轉(zhuǎn)變換11
2.3.3縮放變換12
2.3.4仿射變換13
2.4離散傅里葉變換14
2.4.1一維離散傅里葉變換14
2.4.2二維離散傅里葉變換14
2.5離散余弦變換15
2.5.1一維離散余弦變換16
2.5.2二維離散余弦變換16
2.6離散小波變換17
2.6.1一維離散小波變換17
2.6.2二維離散小波變換18
2.7稀疏表示20
2.8基于深度學(xué)習(xí)的圖像變換21
本章小結(jié)24
習(xí)題24
第3章圖像增強26
3.1圖像增強概述26
3.2圖像平滑濾波27
3.2.1均值濾波27
3.2.2中值濾波29
3.2.3高斯模糊30
3.3圖像銳化濾波31
3.3.1梯度法31
3.3.2拉普拉斯算子32
3.3.3頻域濾波33
3.4直方圖均衡化34
3.5偽彩色圖像增強36
3.5.1密度分割法36
3.5.2灰度變換法37
3.5.3頻域偽彩色增強38
3.6基于Retinex的圖像增強40
3.7基于深度學(xué)習(xí)的圖像增強41
3.7.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像增強42
3.7.2基于弱監(jiān)督學(xué)習(xí)的圖像增強44
3.7.3基于無監(jiān)督學(xué)習(xí)的圖像增強45
3.7.4常用損失函數(shù)47
本章小結(jié)47
習(xí)題47
第4章圖像復(fù)原49
4.1圖像復(fù)原概述49
4.2噪聲模型51
4.2.1噪聲的空間和頻率特性52
4.2.2常見噪聲的概率密度函數(shù)52
4.2.3周期噪聲56
4.3基于濾波器的噪聲濾除57
4.3.1均值濾波器57
4.3.2統(tǒng)計排序濾波器60
4.3.3自適應(yīng)濾波器64
4.4基于頻率分析的周期噪聲濾除69
4.4.1帶阻濾波器69
4.4.2帶通濾波器71
4.5無約束圖像復(fù)原71
4.5.1逆濾波72
4.5.2無約束*小二乘求解方法73
4.6有約束圖像復(fù)原73
4.6.1基于稀疏表示的圖像復(fù)原74
4.6.2基于低秩約束的圖像復(fù)原75
4.7基于深度學(xué)習(xí)的圖像復(fù)原76
4.7.1基于深度學(xué)習(xí)的圖像去噪77
4.7.2基于深度學(xué)習(xí)的圖像超分辨率復(fù)原79
4.7.3基于深度學(xué)習(xí)的圖像去模糊79
4.7.4基于深度學(xué)習(xí)的圖像修復(fù)81
本章小結(jié)82
習(xí)題82
第5章圖像融合84
5.1圖像融合概述84
5.2多源圖像配準85
5.2.1基本概念85
5.2.2特征點匹配85
5.2.3仿射變換85
5.3空間域圖像融合87
5.4變換域圖像融合88
5.5基于稀疏表示的圖像融合89
5.6基于深度學(xué)習(xí)的圖像融合90
5.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像融合91
5.6.2基于自監(jiān)督學(xué)習(xí)的圖像融合91
5.6.3基于無監(jiān)督學(xué)習(xí)的圖像融合92
本章小結(jié)93
習(xí)題93
第6章圖像壓縮95
6.1圖像壓縮概述95
6.1.1圖像中的信息冗余96
6.1.2圖像壓縮分類96
6.1.3圖像編碼評價97
6.2統(tǒng)計編碼100
6.2.1霍夫曼編碼100
6.2.2費諾-香農(nóng)編碼102
6.2.3算術(shù)編碼102
6.2.4行程編碼103
6.3預(yù)測編碼104
6.3.1線性預(yù)測編碼105
6.3.2非線性預(yù)測編碼105
6.4矢量量化106
6.4.1矢量量化的基本思想106
6.4.2矢量量化器的設(shè)計107
6.5變換域壓縮107
6.5.1變換域壓縮的基本思想107
6.5.2變換域編碼的原理108
6.6基于深度學(xué)習(xí)的圖像壓縮109
6.6.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像壓縮109
6.6.2基于循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像壓縮110
6.6.3基于生成對抗網(wǎng)絡(luò)的圖像壓縮111
本章小結(jié)112
習(xí)題112
第7章圖像分割113
7.1圖像分割概述113
7.2邊緣檢測114
7.2.1邊緣檢測算子114
7.2.2邊緣跟蹤122
7.3圖像閾值分割126
7.3.1直方圖閾值分割法127
7.3.2*大類間方差閾值分割法129
7.4基于區(qū)域的分割131
7.4.1區(qū)域增長法131
7.4.2分裂合并法133
7.5基于深度學(xué)習(xí)的圖像分割136
7.5.1基于全卷積網(wǎng)絡(luò)的圖像分割137
7.5.2基于多尺度特征聚合的圖像分割139
7.5.3基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的圖像分割139
7.5.4基于注意力機制的圖像分割141
本章小結(jié)142
習(xí)題142
第8章圖像識別144
8.1圖像識別概述144
8.2圖像特征提取145
8.2.1顏色特征145
8.2.2紋理特征147
8.2.3形狀特征149
8.2.4空間關(guān)系特征150
8.3傳統(tǒng)圖像識別方法150
8.4基于深度學(xué)習(xí)的圖像識別151
8.4.1粗粒度圖像識別152
8.4.2細粒度圖像識別157
本章小結(jié)158
習(xí)題158
第9章智能遙感領(lǐng)域應(yīng)用實例160
9.1渤海灣海洋溢油檢測160
9.1.1耀斑去除與噪聲估計161
9.1.2溢油區(qū)域探測163
9.2DOTA數(shù)據(jù)集目標檢測179
9.2.1數(shù)據(jù)預(yù)處理180
9.2.2方法設(shè)計180
本章小結(jié)182
習(xí)題182
第10章智慧醫(yī)療領(lǐng)域應(yīng)用實例183
10.1視網(wǎng)膜光學(xué)相干斷層掃描圖像智能處理技術(shù)183
10.1.1視網(wǎng)膜光學(xué)相干斷層掃描圖像的去噪184
10.1.2視網(wǎng)膜光學(xué)相干斷層掃描圖像的壓縮重建188
10.1.3視網(wǎng)膜光學(xué)相干斷層掃描圖像的病灶定位與診斷189
10.2腦高光譜圖像智能處理技術(shù)212
10.2.1圖像預(yù)處理213
10.2.2診斷方法214
本章小結(jié)215
習(xí)題216
第11章多源圖像智能融合領(lǐng)域應(yīng)用實例217
11.1紅外圖像與可見光圖像融合217
11.1.1圖像預(yù)處理217
11.1.2圖像融合218
11.2視網(wǎng)膜光學(xué)相干斷層掃描圖像與眼底圖像融合230
11.3多源遙感圖像融合252
11.3.1圖像預(yù)處理253
11.3.2地物分類253
11.4多源大模型遙感圖像解譯254
11.4.1多源遙感大模型255
11.4.2基于大模型的多源遙感圖像解譯256
本章小結(jié)257
習(xí)題258
附錄相關(guān)術(shù)語259
參考文獻261
展開全部
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
我從未如此眷戀人間
- >
史學(xué)評論
- >
上帝之肋:男人的真實旅程
- >
唐代進士錄
- >
我與地壇
- >
羅曼·羅蘭讀書隨筆-精裝
- >
龍榆生：詞曲概論/大家小書
本類暢銷
