新書推薦：
《
数字经济：“数字中国”顶层规划与实践路径
》
售價：HK$
82.8
《
算者生存：商业分析的方法与实践
》
售價：HK$
95.8
《
共享现实：是什么让我们成为人类
》
售價：HK$
153.6
《
女佣异闻：乙一出道25周年纪念短篇集
》
售價：HK$
59.9
《
生活观察图鉴 中国常见鸟类观察图鉴
》
售價：HK$
179.8
《
父亲身份：探寻血缘之谜
》
售價：HK$
105.6
《
悠游人间 赛博朋克少女插画绘制教程
》
售價：HK$
119.8
《
“李晓鹏说中华史”系列（全二册）
》
售價：HK$
175.2
|
| 編輯推薦： |
|
将理论知识、工程技术和工程实践有机结合起来，介绍了数字图像处理与识别技术的方方面面包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取等技术对机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术领域非常流行的分类技术—人工神经网络（ANN）和支持向量机（SVM）提供教学课件PPT和源程序
|
| 內容簡介： |
|
内 容 提 要 本书将理论知识、工程技术和工程实践有机结合起来，介绍了数字图像处理与识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取等。另外，本书还对机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术领域非常流行的分类技术—人工神经网络（ANN）和支持向量机（SVM）。 本书结构紧凑，内容深入浅出、图文并茂，适合计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理与识别领域一线的广大工程技术人员参考使用。
|
| 關於作者： |
|
张铮 大学教授，专攻图形和图像处理以及识别技术，承担了多项国家级项目，对Matlab有很深入的研究。
|
| 目錄：
|
|
目 录第 1章 初识数字图像处理与识别 11.1 数字图像 11.1.1 什么是数字图像 11.1.2 数字图像的显示 11.1.3 数字图像的分类 21.1.4 数字图像的实质 31.1.5 数字图像的表示 41.1.6 图像的空间分辨率和灰度级分辨率 41.2 数字图像处理与识别 61.2.1 从数字图像处理到数字图像识别 61.2.2 数字图像处理与识别的应用实例 71.2.3 数字图像处理与识别的基本步骤 71.3 数字图像处理的预备知识 91.3.1 邻接性、连通性、区域和边界 91.3.2 常见的距离度量方法 101.3.3 基本的图像操作 10第 2章 MATLAB数字图像处理基础 122.1 MATLAB R2019a简介 122.1.1 MATLAB软件环境 122.1.2 文件操作 132.1.3 在线帮助的使用 142.1.4 变量的使用 162.1.5 矩阵的使用 192.1.6 细胞数组和结构体 212.1.7 关系运算与逻辑运算 222.1.8 常用的图像处理函数 232.1.9 MATLAB程序流程控制 242.1.10 M文件的编写 282.1.11 MATLAB函数的编写 282.2 MATLAB图像类型及其存储方式 302.3 MATLAB图像转换 332.4 读取和写入图像文件 352.5 图像的显示 37第3章 图像的点运算 403.1 灰度直方图 403.1.1 理论基础 403.1.2 MATLAB实现 413.2 灰度的线性变换 433.2.1 理论基础 443.2.2 MATLAB实现 443.3 灰度的对数变换 473.3.1 理论基础 473.3.2 MATLAB实现 483.4 伽马变换 483.4.1 理论基础 493.4.2 MATLAB实现 493.5 灰度阈值变换 513.5.1 理论基础 513.5.2 MATLAB实现 523.6 分段线性变换 533.6.1 理论基础 533.6.2 MATLAB实现 543.7 直方图均衡化 583.7.1 理论基础 583.7.2 MATLAB实现 593.8 直方图规定化 613.8.1 理论基础 613.8.2 MATLAB实现 62第4章 图像的几何变换 644.1 解决几何变换的一般思路 644.2 图像平移 654.2.1 图像平移的变换公式 664.2.2 图像平移的MATLAB实现 664.3 图像镜像 684.3.1 图像镜像的变换公式 684.3.2 图像镜像的MATLAB实现 684.4 图像转置 694.4.1 图像转置的变换公式 704.4.2 图像转置的MATLAB实现 704.5 图像缩放 704.5.1 图像缩放的变换公式 714.5.2 图像缩放的MATLAB实现 714.6 图像旋转 724.6.1 以原点为中心的图像旋转 724.6.2 以任意点为中心的图像旋转 734.6.3 图像旋转的MATLAB实现 744.7 插值算法 754.7.1 最近邻插值 754.7.2 双线性插值 764.7.3 高阶插值 774.8 MATLAB综合案例—人脸图像配准 794.8.1 什么是图像配准 794.8.2 人脸图像配准的MATLAB实现 79第5章 空域图像增强 835.1 图像增强基础 835.1.1 为什么要进行图像增强 835.1.2 图像增强的分类 835.2 空域滤波 845.2.1 空域滤波和邻域处理 845.2.2 边界处理 855.2.3 相关和卷积 865.2.4 滤波操作的MATLAB实现 865.3 图像平滑 885.3.1 平均模板及其实现 885.3.2 高斯平滑及其实现 905.3.3 自适应平滑滤波 925.4 中值滤波 935.4.1 性能比较 935.4.2 一种改进的中值滤波策略 955.4.3 中值滤波的工作原理 955.5 图像锐化 965.5.1 理论基础 965.5.2 基于一阶导数的图像增强—梯度算子 965.5.3 基于二阶微分的图像增强—拉普拉斯算子 995.5.4 基于一阶与二阶导数的锐化算子的比较 1015.5.5 高提升滤波及其实现 1025.5.6 高斯-拉普拉斯变换 104第6章 频域图像增强 1066.1 频域滤波—与空域滤波殊途同归 1066.2 傅里叶变换的基础知识 1066.2.1 傅里叶级数 1066.2.2 傅里叶变换 1086.2.3 幅度谱、相位谱和功率谱 1106.2.4 傅里叶变换的实质—基的转换 1116.3 快速傅里叶变换及其实现 1136.3.1 FFT变换的必要性 1136.3.2 常见的FFT算法 1146.3.3 按时间抽取的基 2 FFT算法 1146.3.4 离散傅里叶反变换的快速算法 1186.3.5 N维快速傅里叶变换 1186.3.6 MATLAB实现 1186.4 频域滤波的基础知识 1226.4.1 频域滤波与空域滤波的关系 1226.4.2 频域滤波的基本步骤 1236.4.3 频域滤波的MATLAB实现 1246.5 频域低通滤波器 1246.5.1 理想低通滤波器及其实现 1256.5.2 高斯低通滤波器及其实现 1276.6 频域高通滤波器 1316.6.1 高斯高通滤波器及其实现 1316.6.2 频域拉普拉斯滤波器及其实现 1336.7 MATLAB综合案例—利用频域带阻滤波器消除周期噪声 1356.7.1 频域带阻滤波器 1356.7.2 利用带阻滤波器消除周期噪声 1366.8 频域滤波器与空域滤波器之间的内在联系 139第7章 小波变换 1427.1 多分辨率分析 1427.1.1 多分辨率框架 1427.1.2 分解与重构的实现 1487.1.3 图像处理中分解与重构的实现 1507.2 Gabor多分辨率分析 1557.3 常见小波分析 1597.3.1 Haar小波 1597.3.2 Daubechies小波 1617.4 高维小波 164第8章 图像复原 1668.1 图像复原的一般理论 1668.1.1 图像复原的基本概念 1668.1.2 图像复原的一般模型 1678.2 实用的图像复原技术 1848.2.1 图像复原的数值计算方法 1848.2.2 非线性复原 187第9章 彩色图像处理 1909.1 色彩基础 1909.1.1 什么是色彩 1909.1.2 人眼中的色彩 1919.1.3 三原色 1919.1.4 计算机中颜色的表示 1929.2 色彩模型 1939.2.1 RGB模型 1939.2.2 CMY/CMYK模型 1949.2.3 HSI模型 1969.2.4 HSV模型 2009.2.5 YUV模型 2029.2.6 YIQ模型 2059.2.7 Lab模型 2079.3 全彩色图像处理基础 2079.3.1 彩色补偿及其MATLAB实现 2079.3.2 彩色平衡及其MATLAB实现 210第 10章 形态学图像处理 21210.1 预备知识 21210.2 二值图像中的基本形态学运算 21310.2.1 腐蚀及其实现 21410.2.2 膨胀及其实现 21810.2.3 开运算及其实现 22110.2.4 闭运算及其实现 22210.3 二值图像中的形态学应用 22310.3.1 击中与击不中变换及其实现 22410.3.2 边界提取与跟踪及其实现 22610.3.3 区域填充 22710.3.4 连通分量提取及其实现 22910.3.5 细化算法 23210.3.6 像素化算法 23310.3.7 凸壳 23410.3.8 bwmorph函数 23510.4 灰度图像中的基本形态学运算 23510.4.1 灰度膨胀及其实现 23610.4.2 灰度腐蚀及其实现 23810.4.3 灰度开运算和灰度闭运算及其实现 24010.4.4 顶帽变换及其实现 24110.5 小结 243第 11章 图像分割 24411.1 图像分割概述 24411.2 边缘检测 24511.2.1 边缘检测概述 24511.2.2 常用的边缘检测算子 24511.2.3 MATLAB实现 24811.3 霍夫变换 25111.3.1 直线检测 25111.3.2 曲线检测 25311.3.3 任意形状的检测 25411.3.4 利用霍夫变换做直线检测的MATLAB实现 25411.4 阈值分割 25711.4.1 阈值分割方法 25811.4.2 MATLAB实现 26111.5 区域分割 26111.5.1 区域生长及其实现 26211.5.2 区域分裂与合并及其MATLAB实现 26411.6 基于形态学分水岭算法的图像分割 26811.6.1 形态学分水岭算法 26911.6.2 MATLAB实现 27111.7 MATLAB综合案例—分水岭算法 27111.8 小结 277第 12章 特征提取 27812.1 图像特征概述 27812.1.1 什么是图像特征 27812.1.2 图像特征的分类 27812.1.3 特征向量及其几何解释 27812.1.4 特征提取的一般原则 27912.1.5 特征的评价标准 27912.2 基本统计特征 28012.2.1 简单的区域描绘子及其MATLAB实现 28012.2.2 直方图及其统计特征 28112.2.3 灰度共现矩阵 28312.3 特征降维 28612.3.1 维度灾难 28612.3.2 特征选择简介 28712.3.3 主成分分析 28812.3.4 快速PCA及其实现 29412.4 综合案例—基于PCA的人脸特征抽取 29612.4.1 数据集简介 29612.4.2 生成样本矩阵 29612.4.3 主成分分析 29712.4.4 主成分脸的可视化分析 29812.4.5 基于主成分分量的人脸重建 30012.5 局部二进制模式 30112.5.1 基本LBP算子 30112.5.2 圆形邻域的LBPP，R算子 30212.5.3 统一化LBP及其MATLAB实现 30312.5.4 MB-LBP及其MATLAB实现 30612.5.5 图像分区及其MATLAB实现 311第 13章 图像识别初步 31413.1 模式识别概述 31413.1.1 模式与模式识别 31413.1.2 图像识别 31413.1.3 关键概念 31513.1.4 模式识别问题的一般描述 31613.1.5 过度拟合 31713.1.6 模式识别系统的结构 31713.1.7 训练/学习方法的分类 31713.2 模式识别方法的分类 31813.2.1 统计模式识别 31813.2.2 句法模式识别 31813.2.3 小结 31913.3 最小距离分类器和模板匹配 32013.3.1 最小距离分类器及其MATLAB实现 32013.3.2 基于相关的模板匹配 32113.3.3 相关匹配的计算效率 324第 14章 人工神经网络 32614.1 人工神经网络简介 32614.1.1 仿生学动机 32614.1.2 人工神经网络的应用实例 32814.2 人工神经网络的理论基础 32814.2.1 训练线性单元的梯度下降算法 32914.2.2 多层人工神经网络 33414.2.3 sigmoid单元 33414.2.4 反向传播算法 33514.2.5 训练中的问题 33914.3 神经网络算法的可视化实现 34014.3.1 NNTool的主要功能及应用 34014.3.2 神经网络的仿真测试 34314.4 MATLAB神经网络工具箱 34614.4.1 网络创建 34614.4.2 网络初始化 34714.4.3 网络训练 34714.4.4 网络仿真测试 34814.4.5 网络性能分析 348第 15章 支持向量机 34915.1 支持向量机的分类思想 34915.1.1 分类模型的选择 34915.1.2 模型参数的选择 35015.2 支持向量机的理论基础 35015.2.1 线性可分情况下的SVM 35015.2.2 非线性可分情况下的C-SVM 35315.2.3 需要核函数映射情况下的SVM 35615.2.4 推广到多分类问题 35915.3 SVM的MATLAB实现 36015.3.1 训练—svmtrain函数 36015.3.2 分类—svmclassify函数 36215.3.3 应用实例 36215.4 综合案例—基于PCA和SVM的人脸识别系统 36315.4.1 人脸识别简介 36315.4.2 前期处理 36415.4.3 数据规格化 36415.4.4 核函数的选择 36715.4.5 参数选择 36815.4.6 构建多类SVM分类器 37015.4.7 实验结果 37215.5 SVM在线资源 37815.5.1 SVM工具箱 37815.5.2 LIBSVM简介 379第 16章 AdaBoost 38016.1 AdaBoost分类思想 38016.1.1 AdaBoost算法的提出背景 38016.1.2 AdaBoost算法的分类模型 38116.1.3 AdaBoost算法的流程 38116.2 AdaBoost理论基础 382推广到多分类问题 38416.3 构建AdaBoost的MATLAB工具箱 38516.4 MATLAB综合案例—基于AdaBoost的面部图像男女性别分类 38816.4.1 关于数据集 38816.4.2 数据的预处理 38916.4.3 算法流程的实现 389第 17章 三维图像基础 39117.1 三维信息基础 39117.1.1 三维空间 39117.1.2 三维图像 39217.2 三维图像绘制 39317.2.1 三维曲线图 39317.2.2 三维网格图 39317.2.3 其他三维立体化信息展示方式 39617.3 三维数据聚类 39717.3.1 聚类分析基础 39717.3.2 K均值聚类 398第 18章 深度学习 40218.1 深度学习理论基础 40218.1.1 什么是深度学习 40218.1.2 深度学习中的重要概念 40318.2 MATLAB深度学习工具箱 40418.2.1 MATLAB深度学习工具箱简介 40418.2.2 MATLAB深度学习工具箱中的深度学习函数介绍 40518.3 使用MATLAB深度学习工具箱解决机器视觉问题 40918.3.1 MATLAB深度学习工具箱中常用的预训练模型 40918.3.2 使用预训练模型对图像进行分类 41018.3.3 使用预训练的神经网络对图像进行去噪 41218.4 案例分析：目标检测 413参考文献 420
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
