当前位置:首页 > 工业技术
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PDF电子书下载

工业技术

  • 电子书积分:14 积分如何计算积分?
  • 作 者:刘衍琦,詹福宇,蒋献文,周华英编著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2017
  • ISBN:9787121315503
  • 页数:401 页
图书介绍:本书详细讲解了多个基于MATLAB的图像与视频处理实用案例(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、验证码识别、深度学习等多项重要技术,涵盖了数字图像处理中几乎所有的基本模块。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》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

相关图书
作者其它书籍
返回顶部