掃一掃
關注中圖網
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖像處理與機器學習:算法深度解析與應用實踐 版權信息
- ISBN：9787111770206
- 條形碼：9787111770206 ; 978-7-111-77020-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
圖像處理與機器學習:算法深度解析與應用實踐 本書特色
圖像處理作為一門發展迅速的學科，涵蓋內容極其廣泛。本書力求在有限的篇幅內盡可能覆蓋圖像處理的基礎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用示例。本書所有示例都給出了詳盡參數，以便讀者能夠在相應的圖像處理平臺上復現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合，對讀者的實際工作具有很高的指導價值。
圖像處理與機器學習:算法深度解析與應用實踐 內容簡介
圖像處理作為一門發展迅速的學科，涵蓋內容極其廣泛。本書力求在有限的篇幅內盡可能覆蓋圖像處理的基礎知識以及各重要分支。本書共分4部分：第1部分（第1~6章）介紹圖像處理基礎知識；第2部分（第7~10章）介紹圖像分割、區域分析、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）介紹機器學習知識；第4部分（第12章）介紹圖像處理中的數學基礎。從第2部分開始，各章節相對比較獨立，讀者可根據需要選擇閱讀。 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用示例。本書所有示例都給出了詳盡參數，以便讀者能夠在相應的圖像處理平臺上復現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、自動化及相關專業本科生或研究生的參考用書，也可供相關領域的研究人員和工程技術人員閱讀參考。
圖像處理與機器學習:算法深度解析與應用實踐圖像處理與機器學習:算法深度解析與應用實踐 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。通常學者們將這種對數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，包括學習并根據視覺輸入進行智能推斷和采取行動等，屬于機器學習范疇。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，而遠比其復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，有學者將圖像分析劃歸到圖像處理中。
圖像處理與機器學習:算法深度解析與應用實踐 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圖像處理應用/
第2章 圖像處理基礎/
2.1基本概念/
2.1.1圖像坐標系/
2.1.2距離測度/
2.1.3鄰域/
2.1.4連通性/
2.1.5連通區域/
2.1.6感興趣區域/
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/
2.2.2顏色模型/
2.2.3顏色空間變換/
2.3算術和邏輯運算/
2.3.1算術運算/
2.3.2邏輯運算/
2.4圖像統計/
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 形態學/
3.1形態學基礎/
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/
3.3開運算和閉運算/
3.4擊中-擊不中變換/
3.5細化、粗化和裁剪/
3.5.1細化/
3.5.2粗化/
3.5.3裁剪/
3.6距離變換/
3.7灰度形態學/
3.7.1灰度腐蝕和膨脹/
3.7.2灰度開運算和閉運算/
3.8形態學應用/
3.8.1二值形態學應用/
3.8.2灰度形態學應用/
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/
4.1.2低通濾波/
4.1.3高通濾波/
4.1.4空間域濾波應用/
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頻率域濾波應用/
4.2.9頻率域濾波小結/
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直方圖規定化/
6.3指數、對數和冪次變換/
6.3.1指數變換/
6.3.2對數變換/
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動態閾值/
7.1.4區域閾值/
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區域生長法和k-means聚類算法/
7.4.1區域生長法/
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 區域分析/
8.1區域描述和提取/
8.1.1區域描述/
8.1.2區域提取/
8.2區域分析前處理/
8.2.1剔除邊緣區域/
8.2.2填充孔洞/
8.2.3提取孔洞/
8.3區域特征/
8.3.1面積、質心和周長/
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區域篩選/
8.4亞像素區域邊緣提取/
8.5區域分析應用/
8.5.1產品表面缺陷檢測/
8.5.2位置檢測/
8.5.3數量統計/
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相關系數法/
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圖像匹配應用/
10.3.1應用案例/
10.3.2使用技巧/
10.4小結/
第11章 機器學習/
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正態貝葉斯分類器/
11.3.4貝葉斯分類器在OCR中的應用/
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/
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用/
11.6神經網絡/
11.6.1神經元模型/
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中的應用/
11.7小結/
第12章 圖像處理中的數學基礎/
12.1集合/
12.2復數/
12.2.1復數的概念/
12.2.2復數的表示法/
12.3線性代數/
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/
12.4概率論與數理統計/
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/
參考文獻/
展開全部
圖像處理與機器學習:算法深度解析與應用實踐 作者簡介
任涵文，籍貫江蘇宜興，畢業于華中科技大學，獲工學博士學位。長期從事圖像處理理論和應用研究，特別是對工業圖像處理有著豐富的理論知識和實踐經驗，獨立開發出RSIL圖像處理軟件包。
書友推薦
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
經典常談
- >
上帝之肋:男人的真實旅程
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
月亮虎
- >
小考拉的故事-套裝共3冊
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
