智能图像处理及应用

图书标准信息

• 作者 杨露菁
• 出版社 中国铁道出版社
• 出版时间 2019-03
• 版次 1
• ISBN 9787113252892
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 320页
• 字数 405千字

【内容简介】

本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。全书以图像处理基本流程为主线，内容包括智能图像处理技术、图像分割、图像特征提取、目标检测、图像识别、图像跟踪、目标行为分析、图像融合、图像处理应用实例、图像处理发展趋势。本书将智能图像处理算法和大量的应用实例相结合进行阐述，内容涵盖生物医学、机器视觉、智能交通、智能安防、军事等领域，在各章都列举了有代表性的实例，这些实例具有较好的通用性和应用性，便于读者学习理解，并能很快将这些方法投入到实际应用中。本书适合作为高等院校师生学习智能图像处理技术的教辅材料，也可作为科研院所和公司研发人员的参考用书。

【作者简介】

杨露菁：海军工程大学电子工程学院教授，研究方向为指挥信息系统、人工智能、计算机视觉。教学科研成果：获军队教学成果三等奖1项，总参信息化部通信兵教学成果二等奖1项，海军院校优秀课程一等奖1项，二等奖1项。获军队科技进步二等奖1项，三等奖6项，国防科技进步二等奖1项，海军军事理论研究课题三等奖2项。

【目录】

第1章绪论1.1图像与图像处理概述1.1.1图像与图像处理的概念1.1.2图像处理过程1.1.3图像处理任务1.2智能图像处理概述1.2.1智能图像处理概念1.2.2智能图像基准数据集1.2.3智能图像处理基准测试1.3智能图像处理应用领域1.3.1医疗领域1.3.2机器视觉1.3.3智能交通1.3.4智能安防1.3.5军事领域第2章智能图像处理技术2.1机器学习理论2.1.1机器学习概述2.1.2机器学习方式2.1.3机器学习算法2.2人工神经网络2.2.1人工神经元2.2.2感知器2.2.3支持向量机2.2.4递归神经网络2.3卷积神经网络2.3.1深度学习概述2.3.2卷积神经网络原理2.3.3VGG卷积神经网络第3章智能图像分割3.1图像分割基本概念3.1.1图像分割概念3.1.2传统图像分割方法3.2智能图像分割方法3.2.1基于模糊聚类的分割方法3.2.2基于群智能的图像分割方法3.2.3基于CNN的图像分割方法3.3图像分割的应用效果3.3.1医学图像分割3.3.2交通图像分割3.3.3身体部位分割第4章智能图像特征提取4.1图像特征概述4.1.1图像特征的基本概念4.1.2图像的底层特征4.2智能图像特征提取方法4.2.1图像的深层特征4.2.2深度学习特征提取4.2.3深度学习特征提取的例子4.3图像特征提取应用4.3.1医学图像特征4.3.2水面目标特征第5章智能目标检测5.1图像目标检测原理5.1.1目标检测技术框架5.1.2目标检测评价指标5.1.3目标检测应用分类5.2智能目标检测算法5.2.1RCNN5.2.2SPPNet5.2.3Fast RCNN5.2.4Faster RCNN5.2.5YOLO系列5.3智能目标检测应用5.3.1人脸检测5.3.2无人艇目标检测5.3.3车辆检测5.3.4缺陷检测第6章智能图像识别6.1图像识别基本原理6.1.1图像识别概述6.1.2图像识别过程6.1.3传统图像识别方法6.1.4卷积神经网络识别模型6.2文字识别6.2.1文字识别系统6.2.2LeNet网络文字识别6.2.3文字识别应用——车牌识别6.3人脸识别6.3.1人脸识别系统6.3.2人脸识别算法6.3.3人脸识别应用——人机交互6.4手部生物特征识别6.4.1指纹识别6.4.2掌纹识别6.4.3静脉识别6.4.4手部生物特征识别应用——身份鉴别第7章智能图像跟踪7.1图像跟踪概述7.1.1图像跟踪问题描述7.1.2图像跟踪步骤7.1.3图像跟踪算法分类7.2智能图像跟踪算法7.2.1DLT和SODLT算法7.2.2FCNT和HCFVT算法7.2.3MDNet算法7.2.4RTT算法7.3图像跟踪应用7.3.1图像跟踪应用概述7.3.2交通视频车辆跟踪7.3.3街景视频行人跟踪第8章智能目标行为分析8.1智能视频分析概述8.1.1智能视频分析的基本概念8.1.2智能视频分析的实现方式8.1.3智能视频分析功能8.2人体行为分析8.2.1人体行为分析概述8.2.2人体行为分析方法8.2.3人体行为分析应用8.3行人异常行为分析8.3.1行人摔倒行为分析8.3.2人群异常行为分析8.4手势识别8.4.1手势识别概述8.4.2基于视觉的手势识别8.5多人视频中关键事件识别第9章智能图像融合9.1图像融合概述9.1.1图像融合的基本概念9.1.2图像融合的处理层次9.2图像融合方法9.2.1图像融合方法概述9.2.2基于卷积神经网络的图像融合方法9.3图像融合应用9.3.1多模态医学影像融合9.3.2多元遥感图像融合9.3.3多源交通图像融合9.3.4多波段舰船图像融合第10章智能图像处理应用实例10.1身份鉴别10.1.1苹果手机刷脸解锁10.1.2刷脸的生活应用10.2智能安防10.2.1格灵深瞳监控系统10.2.2商汤科技智能人群分析10.2.3全球眼10.2.4智能视频监控产品10.3机器视觉10.3.1百度机器人人脸识别10.3.2百度无人驾驶10.3.3亚马逊无人超市10.4人机交互10.4.1百度识图10.4.2腾讯云OCR文字识别10.4.3Facebook图片搜索第11章智能图像处理发展趋势11.1智能图像处理的发展动力11.2智能图像处理的发展趋势11.2.1总体发展特点11.2.2图像设备发展趋势11.2.3图像处理硬件系统发展趋势11.2.4图像处理技术发展趋势11.3图像处理与分析开发平台11.3.1OpenCV11.3.2Face++11.3.3NiftyNet11.3.4其他开源项目11.4智能图像处理应用发展趋势11.4.1智能安防行业11.4.2智能交通领域11.4.3身份识别11.4.4工业生产领域11.4.5农业生产领域11.5智能图像处理存在的问题参考文献