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
智能圖像處理及應用 版權信息
- ISBN：9787111774815
- 條形碼：9787111774815 ; 978-7-111-77481-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能圖像處理及應用 本書特色
本書遵循教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結合。
智能圖像處理及應用 內容簡介
本書系統闡述了圖像處理的基本理論與實現方法，重點論述了人工智能在圖像處理領域的理論創新與實踐應用。本書內容分為兩大部分，**部分主要介紹圖像處理的基本理論、算法和技術，包括圖像變換、圖像增強、圖像復原、圖像融合、圖像壓縮、圖像分割和圖像識別等內容；第二部分主要介紹智能圖像處理在多個領域的應用實例，包括智能遙感領域應用實例、智慧醫療領域應用實例和多源圖像智能融合領域應用實例等內容。 本書可作為人工智能、電子信息工程、計算機科學與技術、自動化、機器人工程和生物醫學工程等專業高年級本科生的教材，也可供相關專業研究人員和工程技術人員參考。 本書配有電子課件、源代碼、習題答案、實驗實踐項目、微課視頻等教學資源，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊后索取。
智能圖像處理及應用智能圖像處理及應用 前言
前言
智能圖像處理及應用在數字信息技術日新月異的時代，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鍵媒介，以及連接現實和數字世界的橋梁。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據分析，再到醫療診斷中關乎健康的影像資料，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，成為科學研究、工業生產、醫療健康等多個領域中的一個亟待解決的問題。
基于這樣的背景，本書應運而生，旨在為讀者提供一套完整的智能圖像處理理論、技術和應用指南。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、復原、融合、壓縮、分割和識別等核心技術。同時，本書結合人工智能和機器學習的*新進展，探討了智能圖像處理在遙感、醫療、多源圖像融合等領域的應用，通過系統而深入的講解，幫助讀者掌握圖像處理的基本理論、核心技術和前沿應用，為圖像處理領域的學習、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層面的操作，更是思維方式的轉變和解決問題能力的提升。因此，本書力求通過系統、全面的內容，激發讀者對圖像處理技術的興趣與熱情，培養讀者在復雜信息環境中獲取、分析和利用圖像數據的能力。
智能圖像處理及應用 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智能圖像處理應用6
本章小結7
第2章圖像變換8
2.1圖像變換概述8
2.2基本算術運算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基于深度學習的圖像變換21
本章小結24
習題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基于深度學習的圖像增強41
3.7.1基于卷積神經網絡的圖像增強42
3.7.2基于弱監督學習的圖像增強44
3.7.3基于無監督學習的圖像增強45
3.7.4常用損失函數47
本章小結47
習題47
第4章圖像復原49
4.1圖像復原概述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統計排序濾波器60
4.3.3自適應濾波器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有約束圖像復原73
4.6.1基于稀疏表示的圖像復原74
4.6.2基于低秩約束的圖像復原75
4.7基于深度學習的圖像復原76
4.7.1基于深度學習的圖像去噪77
4.7.2基于深度學習的圖像超分辨率復原79
4.7.3基于深度學習的圖像去模糊79
4.7.4基于深度學習的圖像修復81
本章小結82
習題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基于深度學習的圖像融合90
5.6.1基于卷積神經網絡的圖像融合91
5.6.2基于自監督學習的圖像融合91
5.6.3基于無監督學習的圖像融合92
本章小結93
習題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統計編碼100
6.2.1霍夫曼編碼100
6.2.2費諾-香農編碼102
6.2.3算術編碼102
6.2.4行程編碼103
6.3預測編碼104
6.3.1線性預測編碼105
6.3.2非線性預測編碼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基于深度學習的圖像壓縮109
6.6.1基于卷積神經網絡的圖像壓縮109
6.6.2基于循環神經網絡的圖像壓縮110
6.6.3基于生成對抗網絡的圖像壓縮111
本章小結112
習題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基于區域的分割131
7.4.1區域增長法131
7.4.2分裂合并法133
7.5基于深度學習的圖像分割136
7.5.1基于全卷積網絡的圖像分割137
7.5.2基于多尺度特征聚合的圖像分割139
7.5.3基于區域卷積神經網絡的圖像分割139
7.5.4基于注意力機制的圖像分割141
本章小結142
習題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空間關系特征150
8.3傳統圖像識別方法150
8.4基于深度學習的圖像識別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158
習題158
第9章智能遙感領域應用實例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溢油區域探測163
9.2DOTA數據集目標檢測179
9.2.1數據預處理180
9.2.2方法設計180
本章小結182
習題182
第10章智慧醫療領域應用實例183
10.1視網膜光學相干斷層掃描圖像智能處理技術183
10.1.1視網膜光學相干斷層掃描圖像的去噪184
10.1.2視網膜光學相干斷層掃描圖像的壓縮重建188
10.1.3視網膜光學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212
10.2.1圖像預處理213
10.2.2診斷方法214
本章小結215
習題216
第11章多源圖像智能融合領域應用實例217
11.1紅外圖像與可見光圖像融合217
11.1.1圖像預處理217
11.1.2圖像融合218
11.2視網膜光學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257
習題258
附錄相關術語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智能圖像處理應用6
本章小結7
第2章圖像變換8
2.1圖像變換概述8
2.2基本算術運算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基于深度學習的圖像變換21
本章小結24
習題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基于深度學習的圖像增強41
3.7.1基于卷積神經網絡的圖像增強42
3.7.2基于弱監督學習的圖像增強44
3.7.3基于無監督學習的圖像增強45
3.7.4常用損失函數47
本章小結47
習題47
第4章圖像復原49
4.1圖像復原概述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統計排序濾波器60
4.3.3自適應濾波器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有約束圖像復原73
4.6.1基于稀疏表示的圖像復原74
4.6.2基于低秩約束的圖像復原75
4.7基于深度學習的圖像復原76
4.7.1基于深度學習的圖像去噪77
4.7.2基于深度學習的圖像超分辨率復原79
4.7.3基于深度學習的圖像去模糊79
4.7.4基于深度學習的圖像修復81
本章小結82
習題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基于深度學習的圖像融合90
5.6.1基于卷積神經網絡的圖像融合91
5.6.2基于自監督學習的圖像融合91
5.6.3基于無監督學習的圖像融合92
本章小結93
習題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統計編碼100
6.2.1霍夫曼編碼100
6.2.2費諾-香農編碼102
6.2.3算術編碼102
6.2.4行程編碼103
6.3預測編碼104
6.3.1線性預測編碼105
6.3.2非線性預測編碼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基于深度學習的圖像壓縮109
6.6.1基于卷積神經網絡的圖像壓縮109
6.6.2基于循環神經網絡的圖像壓縮110
6.6.3基于生成對抗網絡的圖像壓縮111
本章小結112
習題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基于區域的分割131
7.4.1區域增長法131
7.4.2分裂合并法133
7.5基于深度學習的圖像分割136
7.5.1基于全卷積網絡的圖像分割137
7.5.2基于多尺度特征聚合的圖像分割139
7.5.3基于區域卷積神經網絡的圖像分割139
7.5.4基于注意力機制的圖像分割141
本章小結142
習題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空間關系特征150
8.3傳統圖像識別方法150
8.4基于深度學習的圖像識別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158
習題158
第9章智能遙感領域應用實例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溢油區域探測163
9.2DOTA數據集目標檢測179
9.2.1數據預處理180
9.2.2方法設計180
本章小結182
習題182
第10章智慧醫療領域應用實例183
10.1視網膜光學相干斷層掃描圖像智能處理技術183
10.1.1視網膜光學相干斷層掃描圖像的去噪184
10.1.2視網膜光學相干斷層掃描圖像的壓縮重建188
10.1.3視網膜光學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212
10.2.1圖像預處理213
10.2.2診斷方法214
本章小結215
習題216
第11章多源圖像智能融合領域應用實例217
11.1紅外圖像與可見光圖像融合217
11.1.1圖像預處理217
11.1.2圖像融合218
11.2視網膜光學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257
習題258
附錄相關術語259
參考文獻261
展開全部
書友推薦
- >
巴金－再思錄
- >
煙與鏡
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
唐代進士錄
- >
名家帶你讀魯迅:朝花夕拾
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
隨園食單
- >
二體千字文
本類暢銷
