计算机视觉与深度学习实战：以MATLAB、Python为工具

图书标准信息

• 作者 刘衍琦、詹福宇 著
• 出版社 电子工业出版社
• 出版时间 2019-11
• ISBN 9787121374838
• 定价 109.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸

【内容简介】

本书详细讲解了36个计算机视觉与深度学习实战案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别、基于深度特征的以图搜画、基于CNN的字符识别、基于CNN的物体识别、基于CNN的图像矫正、基于LSTM的时间序列分析、基于深度学习的以图搜图技术、基于YOLO的智能交通目标检测等多项重要技术及应用，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习理论及其应用方面。工欲善其事，必先利其器，本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材，并以MATLAB、Python为工具详细讲解了实验的核心程序。通过对这些程序的阅读、理解和仿真运行，读者可以更加深刻地理解图像处理的内容，并且更加熟练地掌握计算机视觉及深度学习在不同实际领域中的用法。

 

本书以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。

 

【作者简介】

刘衍琦，机器学习算法专家及视觉AI课程讲师，擅长视觉智能分析、多源异构数据采集和挖掘等工程化应用，并长期从事视觉大数据工程相关工作，涉及互联网海量图像、声纹、视频检索，以及OCR图文检索、手绘草图智能识别、特殊通道数据分析等应用的算法架构与研发，对图文识别、大规模以图搜图、数据感知和采集等进行过深入研究，并结合行业背景推动了一系列工程化应用。曾主编和参与编写多本书籍。

 

 

 

詹福宇，博士，资深飞行控制算法专家，毕业于西北工业大学航空学院飞行器设计专业。拥有近10年仿真控制开发经验，熟悉Simulink基于模型设计的流程，曾主编和参与编写多本书籍。

 

 

 

王德建，档案管理副研究馆员，毕业于西安建筑科技大学系统工程专业，从事档案数字化、智能化分类、OCR图文检索、图像智能识别相关工作。

 

 

 

陈峰蔚，熟悉机器学习、深度学习及计算机视觉在智能交通、智能驾驶领域的应用，长期从事汽车品牌识别、车型细粒度分类、目标检测与分割方面的相关工作，精通MATLAB、Python编程及TensorFlow深度学习框架，参与了多项专利的设计与开发。

 

 

 

蒋献文，资深专业医事放射师，毕业于中国医药大学医学院临床医学研究所。擅长医学图像处理技术、放射线射影技术及手术房计算机断层与血管摄影技术，在临床放射技术学与图像处理方面进行过深入研究并发表了相关医学论文。

 

 

 

周华英，新能源汽车高级工程师，毕业于北京交通大学交通运输规划与管理专业。长期进行纯电动及混合动力汽车系统建模与控制、汽车动力系统与控制、电动汽车能量管理和控制优化等研究，曾主编和参与编写多本书籍。

 

【目录】

第1章基于直方图优化的图像去雾技术1

 

1.1案例背景1

 

1.2理论基础1

 

1.2.1空域图像增强1

 

1.2.2直方图均衡化2

 

1.3程序实现3

 

1.3.1设计GUI界面4

 

1.3.2全局直方图处理4

 

1.3.3局部直方图处理6

 

1.3.4Retinex增强处理8

 

1.4延伸阅读12

 

 

第2章基于形态学的权重自适应图像去噪13

 

2.1案例背景13

 

2.2理论基础14

 

2.2.1图像去噪的方法14

 

2.2.2数学形态学的原理15

 

2.2.3权重自适应的多结构形态学去噪15

 

2.3程序实现16

 

2.4延伸阅读22

 

 

第3章基于多尺度形态学提取眼前节组织24

 

3.1案例背景24

 

3.2理论基础25

 

3.3程序实现28

 

3.3.1多尺度结构设计28

 

3.3.2多尺度边缘提取29

 

3.3.3多尺度边缘融合31

 

3.4延伸阅读33

 

 

第4章基于Hough变化的答题卡识别34

 

4.1案例背景34

 

4.2理论基础34

 

4.2.1图像二值化35

 

4.2.2倾斜校正35

 

4.2.3图像分割38

 

4.3程序实现40

 

4.3.1图像灰度化40

 

4.3.2灰度图像二值化41

 

4.3.3图像平滑滤波41

 

4.3.4图像矫正41

 

4.3.5完整性核查42

 

4.4延伸阅读51

 

 

第5章基于阈值分割的车牌定位识别53

 

5.1案例背景53

 

5.2理论基础53

 

5.2.1车牌图像处理54

 

5.2.2车牌定位原理58

 

5.2.3车牌字符处理58

 

5.2.4车牌字符识别60

 

5.3程序实现62

 

5.4延伸阅读69

 

 

第6章基于分水岭分割进行肺癌诊断71

 

6.1案例背景71

 

6.2理论基础71

 

6.2.1模拟浸水的过程72

 

6.2.2模拟降水的过程72

 

6.2.3过度分割问题72

 

6.2.4标记分水岭分割算法72

 

6.3程序实现73

 

6.4延伸阅读77

 

 

第7章基于主成分分析的人脸二维码识别79

 

7.1案例背景79

 

7.2理论基础79

 

7.2.1QR二维码简介80

 

7.2.2QR二维码的编码和译码流程82

 

7.2.3主成分分析方法84

 

7.3程序实现85

 

7.3.1人脸建库85

 

7.3.2人脸识别87

 

7.3.3人脸二维码87

 

7.4延伸阅读92

 

 

第8章基于知识库的手写体数字识别94

 

8.1案例背景94

 

8.2理论基础94

 

8.2.1算法流程94

 

8.2.2特征提取95

 

8.2.3模式识别96

 

8.3程序实现97

 

8.3.1图像处理97

 

8.3.2特征提取98

 

8.3.3模式识别101

 

8.4延伸阅读102

 

8.4.1识别器选择102

 

8.4.2特征库改善102

 

 

第9章基于特征匹配的英文印刷字符识别103

 

9.1案例背景103

 

9.2理论基础104

 

9.2.1图像预处理104

 

9.2.2图像识别技术105

 

9.3程序实现106

 

9.3.1界面设计106

 

9.3.2回调识别111

 

9.4延伸阅读112

 

 

第10章基于不变矩的数字验证码识别113

 

10.1案例背景113

 

10.2理论基础114

 

10.3程序实现114

 

10.3.1设计GUI界面114

 

10.3.2载入验证码图像115

 

10.3.3验证码图像去噪116

 

10.3.4验证码数字定位118

 

10.3.5验证码归一化120

 

10.3.6验证码数字识别121

 

10.3.7手动确认并入库124

 

10.3.8重新生成模板库125

 

10.4延伸阅读128

 

 

第11章基于小波技术进行图像融合129

 

11.1案例背景129

 

11.2理论基础130

 

11.3程序实现132

 

11.3.1设计GUI界面132

 

11.3.2图像载入133

 

11.3.3小波融合135

 

11.4延伸阅读137

 

 

第12章基于块匹配的全景图像拼接138

 

12.1案例背景138

 

12.2理论基础138

 

12.2.1图像匹配139

 

12.2.2图像融合141

 

12.3程序实现142

 

12.3.1设计GUI界面142

 

12.3.2载入图片143

 

12.3.3图像匹配144

 

12.3.4图像拼接148

 

12.4延伸阅读153

 

 

第13章基于霍夫曼图像编码的图像压缩和重建155

 

13.1案例背景155

 

13.2理论基础155

 

13.2.1霍夫曼编码的步骤156

 

13.2.2霍夫曼编码的特点157

 

13.3程序实现158

 

13.3.1设计GUI界面158

 

13.3.2压缩和重建159

 

13.3.3效果对比164

 

13.4延伸阅读167

 

 

第14章基于主成分分析的图像压缩和重建168

 

14.1案例背景168

 

14.2理论基础168

 

14.2.1主成分降维分析原理168

 

14.2.2由得分矩阵重建样本169

 

14.2.3主成分分析数据压缩比170

 

14.2.4基于主成分分析的图像压缩170

 

14.3程序实现171

 

14.3.1主成分分析的源代码171

 

14.3.2图像数组和样本矩阵之间的转换172

 

14.3.3基于主成分分析的图像压缩173

 

14.4延伸阅读176

 

 

第15章基于小波的图像压缩技术177

 

15.1案例背景177

 

15.2理论基础178

 

15.3程序实现180

 

15.4延伸阅读188

 

 

第16章基于融合特征的以图搜图技术189

 

16.1案例背景189

 

16.2理论基础189

 

16.3程序实现191

 

16.3.1图像预处理191

 

16.3.2计算特征191

 

16.3.3图像检索194

 

16.3.4结果分析194

 

16.4延伸阅读196

 

 

第17章基于Harris的角点特征检测198

 

17.1案例背景198

 

17.2理论基础199

 

17.2.1Harris的基本原理199

 

17.2.2Harris算法的流程201

 

17.2.3Harris角点的性质201

 

17.3程序实现202

 

17.3.1Harris算法的代码202

 

17.3.2角点检测实例204

 

17.4延伸阅读205

 

 

第18章基于GUI搭建通用视频处理工具206

 

18.1案例背景206

 

18.2理论基础206

 

18.3程序实现208

 

18.3.1设计GUI界面208

 

18.3.2实现GUI界面209

 

18.4延伸阅读220

 

 

第19章基于语音识别的信号灯图像

 

模拟控制技术221

 

19.1案例背景221

 

19.2理论基础221

 

19.3程序实现223

 

19.4延伸阅读232

 

 

第20章基于帧间差法进行视频目标检测234

 

20.1案例背景234

 

20.2理论基础234

 

20.2.1帧间差分法235

 

20.2.2背景差分法236

 

20.2.3光流法236

 

20.3程序实现237

 

20.4延伸阅读24

 

 

第21章路面裂缝检测系统设计247

 

21.1案例背景247

 

21.2理论基础247

 

21.2.1图像灰度化248

 

21.2.2图像滤波250

 

21.2.3图像增强252

 

21.2.4图像二值化253

 

21.3程序实现255

 

21.4延伸阅读267

 

 

第22章基于K-means聚类算法的图像分割268

 

22.1案例背景268

 

22.2理论基础268

 

22.2.1K-means聚类算法的原理268

 

22.2.2K-means聚类算法的要点269

 

22.2.3K-means聚类算法的缺点270

 

22.2.4基于K-means聚类算法进行图像分割270

 

22.3程序实现271

 

22.3.1样本间的距离271

 

22.3.2提取特征向量272

 

22.3.3图像聚类分割273

 

22.4延伸阅读275

 

 

第23章基于光流场的车流量计数应用276

 

23.1案例背景276

 

23.2理论基础276

 

23.2.1基于光流法检测运动的原理276

 

23.2.2光流场的主要计算方法277

 

23.2.3梯度光流场约束方程278

 

23.2.4Horn-Schunck光流算法280

 

23.3程序实现281

 

23.3.1计算视觉系统工具箱简介281

 

23.3.2基于光流法检测汽车运动282

 

23.4延伸阅读287

 

 

第24章基于Simulink进行图像和视频处理289

 

24.1案例背景289

 

24.2模块介绍289

 

24.2.1分析和增强模块库（Analysis和Enhancement）290

 

24.2.2转化模块库（Conversions）291

 

24.2.3滤波模块库（Filtering）292

 

24.2.4几何变换模块库（GeometricTransformations）292

 

24.2.5形态学操作模块库（MorphologicalOperations）292

 

24.2.6输入模块库（Sources）293

 

24.2.7输出模块库（Sinks）293

 

24.2.8统计模块库（Statistics）294

 

24.2.9文本和图形模块库（Text和Graphic）295

 

24.2.10变换模块库（Transforms）295

 

24.2.11其他工具模块库（Utilities）295

 

24.3仿真案例296

 

24.3.1搭建组织模型296

 

24.3.2仿真执行模型298

 

24.3.3自动生成报告299

 

24.4延伸阅读302

 

 

第25章基于小波变换的数字水印技术304

 

25.1案例背景304

 

25.2理论基础304

 

25.2.1数字水印技术的原理305

 

25.2.2典型的数字水印算法307

 

25.2.3数字水印攻击和评价309

 

25.2.4基于小波的水印技术310

 

25.3程序实现312

 

25.3.1准备载体和水印图像312

 

25.3.2小波数字水印的嵌入313

 

25.3.3小波数字水印的提取317

 

25.3.4小波水印的攻击试验319

 

25.4延伸阅读323

 

 

第26章基于最小误差法的胸片分割技术325

 

26.1案例背景325

 

26.2理论基础325

 

26.2.1图像增强326

 

26.2.2区域选择326

 

26.2.3形态学滤波327

 

26.2.4基于最小误差法进行胸片分割328

 

26.3程序实现329

 

26.3.1设计GUI界面329

 

26.3.2图像预处理330

 

26.3.3基于最小误差法进行图像分割333

 

26.3.4形态学后处理335

 

26.4延伸阅读338

 

 

第27章基于区域生长的肝脏影像分割系统339

 

27.1案例背景339

 

27.2理论基础340

 

27.2.1阈值分割340

 

27.2.2区域生长340

 

27.2.3基于阈值预分割的区域生长341

 

27.3程序实现342

 

27.4延伸阅读346

 

 

第28章基于计算机视觉的自动驾驶应用347

 

28.1案例背景347

 

28.2理论基础348

 

28.2.1环境感知348

 

28.2.2行为决策348

 

28.2.3路径规划349

 

28.2.4运动控制349

 

28.3程序实现349

 

28.3.1传感器数据载入349

 

28.3.2追踪器创建351

 

28.3.3碰撞预警353

 

28.4延伸阅读358

 

 

第29章基于深度学习的汽车目标检测359

 

29.1案例背景359

 

29.2理论基础360

 

29.2.1基本架构360

 

29.2.2卷积层360

 

29.2.3池化层362

 

29.3程序实现362

 

29.3.1加载数据362

 

29.3.2构建CNN364

 

29.3.3训练CNN365

 

29.3.4评估训练效果367

 

29.4延伸阅读368

 

 

第30章基于深度学习的视觉场景

 

识别370

 

30.1案例背景370

 

30.2理论基础371

 

30.3程序实现371

 

30.3.1环境配置372

 

30.3.2数据集制作373

 

30.3.3网络训练375

 

30.3.4网络测试381

 

30.4延伸阅读383

 

 

第31章深度学习综合应用385

 

31.1应用背景385

 

31.2理论基础387

 

31.2.1分类识别387

 

31.2.2目标检测391

 

31.3案例实现1：基于CNN的数字识别395

 

31.3.1自定义CNN397

 

31.3.2AlexNet399

 

31.3.3基于MATLAB进行实验设计405

 

31.3.4基于TensorFlow进行实验设计413

 

31.3.5实验小结418

 

31.4案例实现2：基于CNN的物体识别418

 

31.4.1CIFAR-10数据集418

 

31.4.2VggNet421

 

31.4.3ResNet422

 

31.4.4实验设计424

 

31.4.5实验小结432

 

31.5案例实现3：基于CNN的图像矫正432

 

31.5.1倾斜数据集432

 

31.5.2自定义CNN回归网络434

 

31.5.3AlexNet回归网络436

 

31.5.4实验设计437

 

31.5.5实验小结445

 

31.6案例实现4：基于LSTM的时间序列分析445

 

31.6.1厄尔尼诺南方涛动指数数据446

 

31.6.2样条拟合分析446

 

31.6.3基于MATLAB进行LSTM分析448

 

31.6.4基于Keras进行LSTM分析451

 

31.6.5实验小结455

 

31.7案例实现5：基于深度学习的以图搜图技术455

 

31.7.1人脸的深度特征455

 

31.7.2AlexNet的特征460

 

31.7.3GoogleNet的特征461

 

31.7.4深度特征融合计算462

 

31.7.5实验设计462

 

31.7.6实验小结467

 

31.8案例实现6：基于YOLO的交通目标检测应用467

 

31.8.1车辆目标的YOLO检测468

 

31.8.2交通标志的YOLO检测475

 

31.9延伸阅读481