万本电子书0元读

万本电子书0元读

顶部广告

MATLAB计算机视觉与深度学习实战电子书

《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实战案例,提供源码及在线支持。 几乎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。 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。

售       价:¥

纸质售价:¥46.60购买纸书

530人正在读 | 5人评论 6.6

作       者:刘衍琦

出  版  社:电子工业出版社

出版时间:2017-06-01

字       数:13.9万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(5条)
  • 读书简介
  • 目录
  • 累计评论(5条)
《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、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。本书以案例为基础,结构布局紧凑,内容深浅出,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。<br/>【推荐语】<br/>《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实战案例,提供源码及在线支持。 几乎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。 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。<br/>【作者】<br/>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、图文识别等行过深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 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行过深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。<br/>
目录展开

摘要

推荐序

前言

第1章 基于直方图优化的图像去雾技术

1.1 案例背景

1.2 理论基础

1.2.1 空域图像增强

1.2.2 直方图均衡化

1.3 程序实现

1.3.1 设计GUI界面

1.3.2 全局直方图处理

1.3.3 局部直方图处理

1.3.4 Retinex增强处理

1.4 延伸阅读

1.5 参考文献

第2章 基于形态学的权重自适应图像去噪

2.1 案例背景

2.2 理论基础

2.2.1 图像去噪方法

2.2.2 数学形态学原理

2.2.3 权重自适应的多结构形态学去噪

2.3 程序实现

2.4 延伸阅读

2.5 参考文献

第3章 基于多尺度形态学提取眼前节组织

3.1 案例背景

3.2 理论基础

3.3 程序实现

3.3.1 多尺度边缘

3.3.2 主处理函数

3.3.3 形态学处理

3.4 延伸阅读

3.5 参考文献

第4章 基于Hough变化的答题卡识别

4.1 案例背景

4.2 理论基础

4.2.1 图像二值化

4.2.2 倾斜校正

4.2.3 图像分割

4.3 程序实现

4.4 延伸阅读

4.5 参考文献

第5章 基于阈值分割的车牌定位识别

5.1 案例背景

5.2 理论基础

5.2.1 车牌图像处理

5.2.2 车牌定位原理

5.2.3 车牌字符处理

5.2.4 字符识别

5.3 程序实现

5.4 延伸阅读

5.5 参考文献

第6章 基于分水岭分割进行肺癌诊断

6.1 案例背景

6.2 理论基础

6.2.1 模拟浸水的过程

6.2.2 模拟降水的过程

6.2.3 过度分割问题

6.2.4 标记分水岭分割算法

6.3 程序实现

6.4 延伸阅读

6.5 参考文献

第7章 基于主成分分析的人脸二维码识别

7.1 案例背景

7.2 理论基础

7.2.1 QR编码简介

7.2.2 QR编码译码

7.2.3 主成分分析方法

7.3 程序实现

7.3.1 人脸建库

7.3.2 人脸识别

7.3.3 人脸二维码

7.4 延伸阅读

7.5 参考文献

第8章 基于知识库的手写体数字识别

8.1 案例背景

8.2 理论基础

8.2.1 算法流程

8.2.2 特征提取

8.2.3 模式识别

8.3 程序实现

8.3.1 图像处理

8.3.2 特征提取

8.3.3 模式识别

8.4 延伸阅读

8.4.1 识别器选择

8.4.2 提高识别率

8.5 参考文献

第9章 基于特征匹配的英文印刷字符识别

9.1 案例背景

9.2 理论基础

9.2.1 图像预处理

9.2.2 图像识别技术

9.3 程序实现

9.4 延伸阅读

9.5 参考文献

第10章 基于不变矩的数字验证码识别

10.1 案例背景

10.2 理论基础

10.3 程序实现

10.3.1 设计GUI界面

10.3.2 载入验证码图像

10.3.3 验证码图像去噪

10.3.4 验证码数字定位

10.3.5 验证码归一化

10.3.6 验证码数字识别

10.3.7 手动确认并入库

10.3.8 重新生成模板库

10.4 延伸阅读

10.5 参考文献

第11章 基于小波技术进行图像融合

11.1 案例背景

11.2 理论基础

11.3 程序实现

11.3.1 GUI设计

11.3.2 图像载入

11.3.3 小波融合

11.4 延伸阅读

11.5 参考文献

第12章 基于块匹配的全景图像拼接

12.1 案例背景

12.2 理论基础

12.2.1 图像匹配

12.2.2 图像融合

12.3 程序实现

12.3.1 设计GUI

12.3.2 载入图片

12.3.3 图像匹配

12.3.4 图像拼接

12.4 延伸阅读

12.5 参考文献

第13章 基于霍夫曼图像压缩重建

13.1 案例背景

13.2 理论基础

13.2.1 霍夫曼编码的步骤

13.2.2 霍夫曼编码的特点

13.3 程序实现

13.3.1 设计GUI

13.3.2 压缩重构

13.3.3 效果对比

13.4 延伸阅读

13.5 参考文献

第14章 基于主成分分析的图像压缩和重建

14.1 案例背景

14.2 理论基础

14.2.1 主成分降维分析原理

14.2.2 由得分矩阵重建样本

14.2.3 主成分分析数据压缩比

14.2.4 基于主成分分析的图像压缩

14.3 程序实现

14.3.1 主成分分析源代码

14.3.2 图像和样本间转换

14.3.3 基于主成分分析的图像压缩

14.4 延伸阅读

14.5 参考文献

第15章 基于小波的图像压缩技术

15.1 案例背景

15.2 理论基础

15.3 程序实现

15.4 延伸阅读

15.5 参考文献

第16章 基于Hu不变矩的图像检索技术

16.1 案例背景

16.2 理论基础

16.3 程序实现

16.3.1 图像预处理

16.3.2 计算不变矩

16.3.3 图像检索

16.3.4 结果分析

16.4 延伸阅读

16.5 参考文献

第17章 基于Harris的角点特征检测

17.1 案例背景

17.2 理论基础

17.2.1 Harris基本原理

17.2.2 Harris算法流程

17.2.3 Harris角点性质

17.3 程序实现

17.3.1 Harris算法代码

17.3.2 角点检测实例

17.4 延伸阅读

17.5 参考文献

第18章 基于GUI搭建通用视频处理工具

18.1 案例背景

18.2 理论基础

18.3 程序实现

18.3.1 GUI设计

18.3.2 GUI实现

18.4 延伸阅读

18.5 参考文献

第19章 基于语音识别的信号灯图像模拟控制技术

19.1 案例背景

19.2 理论基础

19.3 程序实现

19.4 延伸阅读

19.5 参考文献

第20章 基于帧间差法进行视频目标检测

20.1 案例背景

20.2 理论基础

20.2.1 帧间差分法

20.2.2 背景差分法

20.2.3 光流法

20.3 程序实现

20.4 延伸阅读

20.5 参考文献

第21章 路面裂缝检测识别系统设计

21.1 案例背景

21.2 理论基础

21.2.1 图像灰度化

21.2.2 图像滤波

21.2.3 图像增强

21.2.4 图像二值化

21.3 程序实现

21.4 延伸阅读

21.5 参考文献

第22章 基于 K-means 聚类算法的图像区域分割

22.1 案例背景

22.2 理论基础

22.2.1 K-means聚类算法原理

22.2.2 K-means聚类算法的要点

22.2.3 K-means聚类算法的缺点

22.2.4 基于K-means图像分割

22.3 程序实现

22.3.1 样本之间的巨鹿

22.3.2 提取特征向量

22.3.3 图像聚类分割

22.4 延伸阅读

22.5 参考文献

第23章 基于光流场的交通汽车检测跟踪

23.1 案例背景

23.2 理论基础

23.2.1 光流法检测运动原理

23.2.2 光流的主要计算方法

23.2.3 梯度光流场约束方程

23.2.4 Horn-Schunck光流算法

23.3 程序实现

23.3.1 计算视觉系统工具箱简介

23.3.2 基于光流场检测汽车运动

23.3.3 搭建Simulink运动检测模型

23.4 延伸阅读

23.5 参考文献

第24章 基于Simulink进行图像和视频处理

24.1 案例背景

24.2 模块介绍

24.2.1 分析和增强模块库(Analysis&Enhancement)

24.2.2 转化模块库(Conversions)

24.2.3 滤波3模块库(Filtering)

24.2.4 几何变换模块库(Geometric Transformations)

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

24.2.6 输入模块库(Sources)

24.2.7 输出模块库(Sinks)

24.2.8 统计模块库(Statistics)

24.2.9 文本和图形模块库(Text&Graphic)

24.2.10 变换模块库(Transforms)

24.2.11 其他工具模块库(Utilities)

24.3 仿真案例

24.3.1 搭建组织模型

24.3.2 仿真执行模型

24.3.3 代码自动生成

24.4 延伸阅读

24.5 参考文献

第25章 基于小波变换的数字水印技术

25.1 案例背景

25.2 理论基础

25.2.1 数字水印技术原理

25.2.2 典型的数字水印算法

25.2.3 数字水印攻击和评价

25.2.4 基于小波的水印技术

25.3 程序实现

25.3.1 准备载体和水印图像

25.3.2 小波数字水印的嵌入

25.3.3 小波数字水印的提取

25.3.4 小波水印的攻击试验

25.4 延伸阅读

25.5 参考文献

第26章 基于最小误差法的胸片分割

26.1 案例背景

26.2 理论基础

26.2.1 图像增强

26.2.2 区域选择

26.2.3 形态学滤波

26.2.4 最小误差法胸片分割

26.3 程序实现

26.3.1 设计GUI界面

26.3.2 图像预处理

26.3.3 最小误差法分割

26.3.4 形态学后处理

26.4 延伸阅读

26.5 参考文献

第27章 基于区域生长的肝脏影像分割系统

27.1 案例背景

27.2 理论基础

27.2.1 阈值分割

27.2.2 区域生长

27.2.3 基于阈值预分割的区域生长

27.3 程序实现

27.4 延伸阅读

27.5 参考文献

第28章 基于深度学习的汽车目标检测

28.1 案例背景

28.2 理论基础

28.2.1 基本架构

28.2.2 卷积层

28.2.3 池化层

28.3 程序实现

28.3.1 加载数据

28.3.2 构建CNN网络

28.3.3 训练CNN网络

28.3.4 评估训练效果

28.4 延伸阅读

28.5 参考文献

第29章 基于计算机视觉的自动驾驶应用

29.1 案例背景

29.2 理论基础

29.2.1 环境感知

29.2.2 行为决策

29.2.3 路径规划

29.2.4 运动控制

29.3 程序实现

29.3.1 传感器数据载入

29.3.2 追踪器创建

29.3.3 碰撞预警

29.4 延伸阅读

29.5 参考文献

第30章 基于深度学习的视觉场景识别

30.1 案例背景

30.2 理论基础

30.2.1 发展历程

30.2.2 算法思想

30.3 程序实现

30.3.1 环境配置

30.3.2 数据集制作

30.3.3 网络训练

30.3.4 网络测试

30.4 延伸阅读

30.5 参考文献

累计评论(5条) 5个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部