• MATLAB计算机视觉与深度学习实战
  • MATLAB计算机视觉与深度学习实战
  • MATLAB计算机视觉与深度学习实战
  • MATLAB计算机视觉与深度学习实战
  • MATLAB计算机视觉与深度学习实战
21年品牌 40万+商家 超1.5亿件商品

MATLAB计算机视觉与深度学习实战

8 1.0折 79 八五品

仅1件

江苏南京
认证卖家担保交易快速发货售后保障

作者刘衍琦、詹福宇、蒋献文、周华英 著

出版社电子工业出版社

出版时间2017-06

版次1

装帧平装

货号78KsF一3

上书时间2024-12-24

田园书店

五年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:八五品
图书标准信息
  • 作者 刘衍琦、詹福宇、蒋献文、周华英 著
  • 出版社 电子工业出版社
  • 出版时间 2017-06
  • 版次 1
  • ISBN 9787121315503
  • 定价 79.00元
  • 装帧 平装
  • 开本 其他
  • 纸张 胶版纸
  • 页数 424页
  • 字数 610千字
【内容简介】

 《MATLAB 计算机视觉与深度学习实战》详细讲解了30个 MATLAB 计算机视觉与深度学习案例(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等多项重要技术,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的理论及其应用方面。

 

工欲善其事,必先利其器,《MATLAB 计算机视觉与深度学习实战》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,并详细讲解了其 MATLAB 实验的核心程序,通过对这些示例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 MATLAB 中各种函数在图像处理领域中的用法。

 

《MATLAB计算机视觉与深度学习实战》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,硕士,计算机视觉算法工程师,毕业于大连理工大学数学科学学院计算几何与图形图像实验室。长期从事图像、声纹、视频检索及其大数据应用,对以图搜图、图文识别等进行过深入研究并成功应用于工程项目中,曾主编和参与编写多套书籍。

 

  詹福宇,博士,飞行控制算法工程师,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 M ATLAB/Sim ulink 开发使用经验,熟悉 Sim ulink 基于模型设计的流程。于 2008 年创建m atlabsky.com ,编写教程数百篇,解决问题数万个,积累了丰富的相关经验。

 

  蒋献文,硕士,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。从事医学图像处理、放射线射影技术、手术房计算机断层与血管摄影技术,针对临床放射技术学与图像处理进行过深入研究并发表相关医学论文。

 

  周华英,硕士,新能源汽车技术专业讲师,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套书籍。

 


【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 7

 

1.3.4 Retinex 增强处理 9

 

1.4 延伸阅读 13

 

1.5 参考文献 13

 

第 2 章  基于 形态学的权重自适应图像去噪  14

 

2.1 案例背景 14

 

2.2 理论基础 15

 

2.2.1 图像去噪方法 15

 

2.2.2 数学形态学原理 16

 

2.2.3 权重自适应的多结构形态学去噪 16

 

2.3 程序实现 17

 

2.4 延伸阅读 22

 

2.5 参考文献 23

 

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 多尺度边缘 28

 

3.3.2 主处理函数 29

 

3.3.3 形态学处理 31

 

3.4 延伸阅读 33

 

3.5 参考文献 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

 

4.4 延伸阅读 51

 

4.5 参考文献 51

 

第 5 章 基于阈值分割的车牌定位识别 52

 

5.1 案例背景 52

 

5.2 理论基础 52

 

5.2.1 车牌图像处理 53

 

5.2.2 车牌定位原理 57

 

5.2.3 车牌字符处理 57

 

5.2.4 字符识别 59

 

5.3 程序实现 61

 

5.4 延伸阅读 69

 

5.5 参考文献 69

 

第 6 章  基于分水岭分割进行肺癌诊断  70

 

6.1 案例背景 70

 

6.2 理论基础 70

 

6.2.1 模拟浸水的过程 71

 

6.2.2 模拟降水的过程 71

 

6.2.3 过度分割问题 71

 

6.2.4 标记分水岭分割算法 71

 

6.3 程序实现 72

 

6.4 延伸阅读 77

 

6.5 参考文献 78

 

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

 

7.2.1 QR 编码简介 80

 

7.2.2 QR 编码译码 82

 

7.2.3 主成分分析方法 84

 

7.3 程序实现 86

 

7.3.1 人脸建库 86

 

7.3.2 人脸识别 87

 

7.3.3 人脸二维码 88

 

7.4 延伸阅读 93

 

7.5 参考文献 93

 

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 提高识别率 102

 

8.5 参考文献 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

 

9.4 延伸阅读 112

 

9.5 参考文献 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 117

 

10.3.4 验证码数字定位 118

 

10.3.5 验证码归一化 121

 

10.3.6 验证码数字识别 122

 

10.3.7 手动确认并入库 125

 

10.3.8 重新生成模板库 127

 

10.4 延伸阅读 129

 

10.5 参考文献 130

 

第 11 章  基于小波技术进行图像融合  131

 

11.1 案例背景 131

 

11.2 理论基础 132

 

11.3 程序实现 134

 

11.3.1 GUI 设计 134

 

11.3.2 图像载入 135

 

11.3.3 小波融合 136

 

11.4 延伸阅读 139

 

11.5 参考文献 139

 

第 12 章  基于块匹配的全景图像拼接  140

 

12.1 案例背景 140

 

12.2 理论基础 140

 

12.2.1 图像匹配 141

 

12.2.2 图像融合 143

 

12.3 程序实现 144

 

12.3.1 设计 GUI 144

 

12.3.2 载入图片 145

 

12.3.3 图像匹配 147

 

12.3.4 图像拼接 150

 

12.4 延伸阅读 156

 

12.5 参考文献 156

 

第 13 章  基于霍夫曼图像压缩重建  157

 

13.1 案例背景 157

 

13.2 理论基础 157

 

13.2.1 霍夫曼编码的步骤 158

 

13.2.2 霍夫曼编码的特点 158

 

13.3 程序实现 160

 

13.3.1 设计 GUI 160

 

13.3.2 压缩重构 161

 

13.3.3 效果对比 166

 

13.4 延伸阅读 168

 

13.5 参考文献 169

 

第 14 章  基于主成分分析的图像压缩和重建  170

 

14.1 案例背景 170

 

14.2 理论基础 170

 

14.2.1 主成分降维分析原理 170

 

14.2.2 由得分矩阵重建样本 171

 

14.2.3 主成分分析数据压缩比 172

 

14.2.4 基于主成分分析的图像压缩 172

 

14.3 程序实现 173

 

14.3.1 主成分分析源代码 173

 

14.3.2 图像和样本间转换 174

 

14.3.3 基于主成分分析的图像压缩 175

 

14.4 延伸阅读 178

 

14.5 参考文献 179

 

第 15 章  基于小波的图像压缩技术  180

 

15.1 案例背景 180

 

15.2 理论基础 181

 

15.3 程序实现 183

 

15.4 延伸阅读 191

 

15.5 参考文献 191

 

第 16 章  基于 Hu 不变矩的图像检索技术  192

 

16.1 案例背景 192

 

16.2 理论基础 192

 

16.3 程序实现 194

 

16.3.1 图像预处理 194

 

16.3.2 计算不变矩 194

 

16.3.3 图像检索 196

 

16.3.4 结果分析 198

 

16.4 延伸阅读 201

 

16.5 参考文献 202

 

第 17 章  基于 Harris 的角点特征检测  203

 

17.1 案例背景 203

 

17.2 理论基础 204

 

17.2.1 Harris 基本原理 204

 

17.2.2 Harris 算法流程 206

 

17.2.3 Harris 角点性质 206

 

17.3 程序实现 208

 

17.3.1 Harris 算法代码 208

 

17.3.2 角点检测实例 209

 

17.4 延伸阅读 210

 

17.5 参考文献 211

 

第 18 章  基于 GUI 搭建通用视频处理工具  212

 

18.1 案例背景 212

 

18.2 理论基础 212

 

18.3 程序实现 214

 

18.3.1 GUI 设计 214

 

18.3.2 GUI 实现 215

 

18.4 延伸阅读 226

 

18.5 参考文献 226

 

第 19 章  基于语音识别的信号灯图像模拟控制技术  227

 

19.1 案例背景 227

 

19.2 理论基础 227

 

19.3 程序实现 229

 

19.4 延伸阅读 239

 

19.5 参考文献 240

 

第 20 章  基于帧间差法进行视频目标检测  241

 

20.1 案例背景 241

 

20.2 理论基础 241

 

20.2.1 帧间差分法 242

 

20.2.2 背景差分法 243

 

20.2.3 光流法 243

 

20.3 程序实现 244

 

20.4 延伸阅读 253

 

20.5 参考文献 253

 

第 21 章  路面裂缝检测识别系统设计  254

 

21.1 案例背景 254

 

21.2 理论基础 254

 

21.2.1 图像灰度化 255

 

21.2.2 图像滤波 257

 

21.2.3 图像增强 259

 

21.2.4 图像二值化 260

 

21.3 程序实现 262

 

21.4 延伸阅读 274

 

21.5 参考文献 274

 

第 22 章  基于 K-means 聚类算法的图像区域分割  275

 

22.1 案例背景 275

 

22.2 理论基础 275

 

22.2.1 K-means 聚类算法原理 275

 

22.2.2 K-means 聚类算法的要点 276

 

22.2.3 K-means 聚类算法的缺点 277

 

22.2.4 基于 K-means 图像分割 278

 

22.3 程序实现 278

 

22.3.1 样本之间的巨鹿 278

 

22.3.2 提取特征向量 279

 

22.3.3 图像聚类分割 280

 

22.4 延伸阅读 282

 

22.5 参考文献 283

 

第 23 章  基于光流场的交通汽车检测跟踪  284

 

23.1 案例背景 284

 

23.2 理论基础 284

 

23.2.1 光流法检测运动原理 284

 

23.2.2 光流的主要计算方法 285

 

23.2.3 梯度光流场约束方程 287

 

23.2.4 Horn-Schunck 光流算法 288

 

23.3 程序实现 290

 

23.3.1 计算视觉系统工具箱简介 290

 

23.3.2 基于光流场检测汽车运动 291

 

23.3.3 搭建 Simulink 运动检测模型 295

 

23.4 延伸阅读 297

 

23.5 参考文献 298

 

第 24 章  基于 Simulink 进行图像和视频处理  299

 

24.1 案例背景 299

 

24.2 模块介绍 299

 

24.2.1 分析和增强模块库(Analysis & Enhancement)· 300

 

24.2.2 转化模块库(Conversions) 301

 

24.2.3 滤波 3 模块库(Filtering) 301

 

24.2.4 几何变换模块库(Geometric Transformations) 302

 

24.2.5 形态学操作模块库(Morphological Operations) 302

 

24.2.6 输入模块库(Sources) 303

 

24.2.7 输出模块库(Sinks)· 303

 

24.2.8 统计模块库(Statistics) 304

 

24.2.9 文本和图形模块库(Text & Graphic)· 304

 

24.2.10 变换模块库(Transforms) 305

 

24.2.11 其他工具模块库(Utilities) 305

 

24.3 仿真案例 306

 

24.3.1 搭建组织模型 306

 

24.3.2 仿真执行模型 308

 

24.3.3 代码自动生成 309

 

24.4 延伸阅读 314

 

24.5 参考文献 316

 

第 25 章  基于小波变换的数字水印技术  317

 

25.1 案例背景 317

 

25.2 理论基础 317

 

25.2.1 数字水印技术原理 318

 

25.2.2 典型的数字水印算法 320

 

25.2.3 数字水印攻击和评价 322

 

25.2.4 基于小波的水印技术 323

 

25.3 程序实现 326

 

25.3.1 准备载体和水印图像 326

 

25.3.2 小波数字水印的嵌入 327

 

25.3.3 小波数字水印的提取 331

 

25.3.4 小波水印的攻击试验 333

 

25.4 延伸阅读 337

 

25.5 参考文献 337

 

第 26 章  基于最小误差法的胸片分割  339

 

26.1 案例背景 339

 

26.2 理论基础 339

 

26.2.1 图像增强 340

 

26.2.2 区域选择 340

 

26.2.3 形态学滤波 341

 

26.2.4 最小误差法胸片分割 342

 

26.3 程序实现 343

 

26.3.1 设计 GUI 界面· 343

 

26.3.2 图像预处理 344

 

26.3.3 最小误差法分割 348

 

26.3.4 形态学后处理 350

 

26.4 延伸阅读 353

 

26.5 参考文献 353

 

第 27 章  基于区域生长的肝脏影像分割系统  354

 

27.1 案例背景 354

 

27.2 理论基础 355

 

27.2.1 阈值分割 355

 

27.2.2 区域生长 355

 

27.2.3 基于阈值预分割的区域生长 356

 

27.3 程序实现 357

 

27.4 延伸阅读 361

 

27.5 参考文献 361

 

第 28 章  基于深度学习的汽车目标检测  362

 

28.1 案例背景 362

 

28.2 理论基础 363

 

28.2.1 基本架构 363

 

28.2.2 卷积层 363

 

28.2.3 池化层 365

 

28.3 程序实现 365

 

28.3.1 加载数据 365

 

28.3.2 构建 CNN 网络 367

 

28.3.3 训练 CNN 网络 368

 

28.3.4 评估训练效果 370

 

28.4 延伸阅读 372

 

28.5 参考文献 372

 

第 29 章  基于计算机视觉的自动驾驶应用  374

 

29.1 案例背景 374

 

29.2 理论基础 375

 

29.2.1 环境感知 375

 

29.2.2 行为决策 375

 

29.2.3 路径规划 376

 

29.2.4 运动控制 376

 

29.3 程序实现 376

 

29.3.1 传感器数据载入 376

 

29.3.2 追踪器创建 378

 

29.3.3 碰撞预警 380

 

29.4 延伸阅读 385

 

29.5 参考文献 385

 

第 30 章  基于深度学习的视觉场景识别  386

 

30.1 案例背景 386

 

30.2 理论基础 387

 

30.2.1 发展历程 387

 

30.2.2 算法思想 387

 

30.3 程序实现 388

 

30.3.1 环境配置 388

 

30.3.2 数据集制作 389

 

30.3.3 网络训练 391

 

30.3.4 网络测试 397

 

30.4 延伸阅读 400

 

30.5 参考文献 400

点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP