新書推薦：
《
学校如何改进（梦山书系）
》
售價：HK$
52.8
《
战国秦汉时期的择日术与时空认知
》
售價：HK$
74.8
《
你好，AI：智能时代职场生存指南（为现代职场人量身打造的AI实用指南，帮助读者从对AI的初步认知，进阶到灵活运用DeepSeek等智能工具高效完成工作，提升生活品质。）
》
售價：HK$
63.8
《
美国中国史研究
》
售價：HK$
97.9
《
元气女子养成记 ①怡然自得的心情 ②毫不费力的穿搭
》
售價：HK$
162.8
《
战天京：晚清军政传信录
》
售價：HK$
96.8
《
恢复、道学、权臣：南宋中期政治研究
》
售價：HK$
107.8
《
萤火虫全球史068：历史上著名的101座城堡
》
售價：HK$
83.6
|
| 內容簡介： |
|
本书首先介绍了视觉成像与获取的方式，然后详细介绍了图像与视觉处理的编程基础与常见算法，包括图像增强、图像复原、图像基元检测、图像分割、形态学处理、图像配准、相机标定、立体视觉、特征提取与模式识别等，最后针对视觉引导与定位、遥感图像分割、缺陷检测与识别、视觉测量等常见机器视觉工程应用展开探讨。本书紧紧围绕立德树人和以提升学生工程实践能力和创新思维为目标，坚持产教融合、科教融合与理实融合的思想，探索并建设人工智能背景下“机器视觉与图像处理”教材。将教学和实践融入教材建设中，优化并改革内容和创新实践方式，引导学生进行工程实践训练。同时，引入最新国家纵向与企业预研等科研项目，开展科教融合研究，进一步培养学生的工程创新思维，突出工程实践能力和创新思维。培养理论基础厚、工程素质高、动手能力强的图像处理与机器视觉技术人才对人工智能服务具有重要意义。本书可作为普通高等院校电子信息工程、计算机科学与技术、自动化、机器人工程、物联网工程、智能制造工程等工科专业本科生、硕士研究生教材，也可供广大从事机器视觉系统开发的工程技术人员参考。
|
| 目錄：
|
第1章绪论
1.1 数字图像处理 001
1.1.1 基本概念 001
1.1.2 图像处理目的 001
1.1.3 数字图像处理发展历程 002
1.2 机器视觉 003
1.2.1 机器视觉基本概念 003
1.2.2 机器视觉发展史 003
1.3 相关学科 004
1.4 视觉系统组成 004
1.5 图像处理与机器视觉的应用 005
1.6 挑战 008
思考题与习题 009
第1篇 视觉成像与获取
第2章相机成像 系统模型
2.1 光谱与成像源 011
2.1.1 光谱的基本概念 011
2.1.2 成像源 012
2.2 成像系统模型 018
2.2.1 光线传播模型 018
2.2.2 成像模型 020
2.3 成像系统组成 026
2.3.1 照明系统 026
2.3.2 镜头参数 031
2.3.3 相机 036
2.3.4 镜头与相机综合选型案例 037
思考题与习题 039
第3章红外与高光谱成像原理
3.1 红外成像 040
3.1.1 概述 040
3.1.2 红外辐射定律 041
3.1.3 红外成像系统的工作过程与结构 042
3.1.4 红外成像系统的摄像方式 044
3.1.5 红外成像系统的基本参数 045
3.1.6 红外探测器 046
3.2 高光谱成像 049
3.2.1 基本概念 049
3.2.2 成像光谱仪的成像方式 052
3.2.3 成像光谱仪的系统介绍 055
3.2.4 高光谱成像技术的应用 056
思考题与习题 058
第4章雷达成像原理
4.1 雷达成像概述 059
4.2 合成孔径雷达成像 060
4.2.1 合成孔径概述 061
4.2.2 SAR成像几何关系及相关概念 063
4.2.3 SAR成像分辨率 064
4.2.4 SAR成像处理过程 068
4.2.5 SAR成像的特点及应用 069
4.3 毫米波雷达 070
4.3.1 毫米波雷达的特性 070
4.3.2 毫米波天线 070
4.3.3 毫米波雷达的应用 071
4.4 激光雷达 073
4.4.1 激光雷达的定义 073
4.4.2 激光雷达的特点 073
4.4.3 激光雷达系统的组成 074
4.4.4 激光雷达的测距原理 074
4.4.5 激光雷达的类型 076
4.4.6 激光雷达的主要指标 077
4.4.7 激光雷达的应用 077
思考题与习题 080
第2篇 图像算法处理基础
第5章视觉图像处理基础与开发语言
5.1 数字图像基础 082
5.1.1 图像概念 082
5.1.2 数字图像表示 082
5.2 数字图像分类 084
5.3 图像性质 087
5.3.1 图像邻域 087
5.3.2 图像连通域 088
5.3.3 像素间距离 088
5.4 图像代数运算 089
5.4.1 图像加法 089
5.4.2 图像减法 090
5.4.3 图像乘法 090
5.4.4 图像除法 090
5.4.5 逻辑运算 091
5.5 开发语言 092
5.5.1 MATLAB 093
5.5.2 OpenCV 093
5.5.3 HALCON 095
思考题与习题 096
第6章深度学习 基础
6.1 深度学习概念 097
6.2 深度学习发展历程 097
6.3 深度学习典型网络结构 098
6.3.1 卷积神经网络 099
6.3.2 循环神经网络 102
6.4 网络训练与参数学习 102
6.5 典型的其他深度网络结构 103
6.5.1 LeNet-5结构 103
6.5.2 AlexNet 结构 105
6.5.3 Inception网络 106
6.5.4 Res-Net残差网络 108
6.6 深度学习框架 108
思考题与习题 109
第7章图像增强
7.1 图像增强基本概念 110
7.2 图像空间域增强 110
7.2.1 灰度变换 111
7.2.2 图像直方图变换 116
7.2.3 图像空间域滤波 123
7.3 图像频域增强 131
7.3.1 一维傅里叶变换 132
7.3.2 二维傅里叶变换及逆变换 134
7.3.3 二维傅里叶变换的性质 135
7.3.4 频域增强 138
7.3.5 同态滤波 146
7.4 图像去噪 148
7.4.1 图像噪声类型 148
7.4.2 图像去噪 150
思考题与习题 152
第8章基元检测
8.1 基元概念 155
8.2 边缘检测 155
8.2.1 检测原理 156
8.2.2 Canny边缘检测 156
8.3 角点检测 159
8.3.1 角点检测原理 159
8.3.2 SUSAN算子 160
8.3.3 Harris角点 161
8.3.4 SuperPoint角点 164
8.4 霍夫变换 166
8.4.1 直线检测原理 166
8.4.2 圆检测 168
思考题与习题 170
第9章图像分割
9.1 图像分割基本概念 171
9.2 基于灰度值阈值分割方法 171
9.2.1 全局阈值分割 172
9.2.2 局部阈值分割 176
9.3 基于区域的分割方法 177
9.3.1 区域生长分割方法 177
9.3.2 区域分裂与合并 177
9.3.3 分水岭算法 179
9.4 边缘检测分割 182
9.5 图像语义分割 182
9.5.1 全卷积网络 183
9.5.2 SegNet网络 184
9.5.3 U-Net网络 185
9.5.4 Deeplab系列网络 186
9.6 形态学处理 188
9.6.1 形态学处理基础 188
9.6.2 膨胀与腐蚀 189
9.6.3 开操作和闭操作 192
9.6.4 击中击不中变换 194
9.6.5 形态学基础算法与应用 195
9.7 区域标记 205
思考题与习题 207
第10章图像几何变换与配准
10.1 几何变换 209
10.1.1 基本概念 209
10.1.2 常见图像变换 210
10.1.3 图像插值算法 214
10.2 图像配准方法 216
10.2.1 图像配准分类 216
10.2.2 基于灰度值的图像匹配方法 217
10.2.3 基于边缘点集的图像匹配方法 221
10.2.4 基于形状的图像匹配方法 222
10.2.5 基于特征的图像配准方法 223
10.3 搜索策略 228
思考题与习题 229
第11章立体视觉
11.1 相机标定 230
11.1.1 相机参数模型 230
11.1.2 相机标定原理 236
11.1.3 相机标定实现流程 240
11.2 多视图立体视觉 241
11.2.1 极线约束 241
11.2.2 单目多视图立体视觉 243
11.2.3 双目立体视觉 246
11.3 结构光立体视觉 249
11.3.1 线结构光立体视觉 249
11.3.2 面结构光立体视觉 252
思考题与习题 253
第12章模式识别
12.1 特征提取 254
12.1.1 基本统计特征 254
12.1.2 灰度共生矩阵 256
12.1.3 局部二进制模式 256
12.2 特征选择与降维 258
12.2.1 维数灾难 258
12.2.2 特征选择 258
12.2.3 主成分分析降维方法 262
12.3 模式分类 263
12.3.1 线性判别函数 263
12.3.2 贝叶斯决策论 264
12.3.3 支持向量机 266
思考题与习题 273
第3篇 实践应用
第13章视觉引导 定位
13.1 模板匹配方法 275
13.2 基于形状的模板匹配方法 276
13.2.1 图像金字塔分层搜索 277
13.2.2 匹配加速策略 278
13.2.3 亚像素精度优化 280
13.3 结果与分析 281
第14章目标检测
14.1 目标检测概述 284
14.2 YOLO算法 285
14.3 桥梁表观病害检测案例分析 289
14.3.1 背景介绍 289
14.3.2 桥梁表观病害检测数据库构建 290
14.3.3 网络的搭建与训练 291
14.3.4 实验结果与分析 292
第15章高光谱图像 分类
15.1 分类器设计 296
15.1.1 分类特征 296
15.1.2 分类判据 296
15.1.3 分类准则 297
15.1.4 分类算法 299
15.2 高光谱图像分类 299
15.2.1 高光谱图像分类的特点 299
15.2.2 高光谱图像分类算法 301
参考文献 306
|
| 內容試閱：
|
随着科技的飞速发展，人工智能（AI）已成为推动社会进步的重要力量，而机器视觉与图像处理作为AI技术发展与应用最好的重要领域之一，无疑成为了推动众多行业创新与进步的重要引擎。从智能制造、智能医疗到无人驾驶、智慧城市，这一技术正以其独特的魅力和无限的潜力，深刻地改变着我们的生活方式和工作模式。它让机器拥有了感知世界的能力，进而作出精准的决策或执行复杂的任务，这一过程不仅极大地提高了生产效率，还为解决众多行业难题提供了新的思路和手段。
《机器视觉与图像处理基础》一书，正是在这一背景下应运而生。它旨在为读者提供一个全面、深入且系统的学习平台，帮助大家从零开始，逐步掌握机器视觉与图像处理的核心技术和应用方法。无论你是初学者，还是有一定基础的读者，都能在这本书中找到适合自己的学习路径和成长空间。
本书内容涵盖了视觉成像与获取、图像处理算法基础以及实践应用等三个主要方面。在视觉成像与获取部分，详细介绍了成像系统模型、可见光成像、红外与高光谱成像、雷达成像等内容，方便读者理解与设计视觉成像系统。在图像处理算法基础部分，从图像处理与编程基础开始，逐步深入介绍了视觉与图像处理的各种算法，包括图像增强、图像分割、图像配准、相机标定、立体视觉、图像识别等，帮助读者建立起对视觉图像处理的初步认识。同时，本书还特别关注机器视觉与图像处理技术中深度学习、卷积神经网络等最新发展动态。在本书编写过程中，我们始终注重理论与实践的结合，最后结合本书编写团队在视觉定位引导、目标检测、图像识别等方面的科研项目与具体实例，展示机器视觉与图像处理技术如何解决实际应用问题，帮助读者在理解理论的同时，也能掌握实际操作的技能。我们相信，这种理论与实践并重的学习方式将极大地提升读者的学习效果和应用能力，激发大家对新技术、新应用的无限遐想和探索热情。
本书是团队努力的结果，每位成员都以其独特的方式贡献了自己的专业知识和技能：凌志刚负责整体书稿的整理与协调工作，同时编写了第1、2、5、7、8、10、11、13章、第9章中图像分割部分和第12章部分内容；方乐缘负责第3、4以及15章的内容编写；李华丽编写了第6章和第12章的部分内容；刘敏和陈祥负责第9章形态学处理部分与第14章的内容编写。
本书的出版离不开大家的关心与帮助。首先，特别感谢湖南大学王耀南院士对我们一如既往的关心与帮助，并给本书编写提出了许多宝贵的意见。同时，感谢湖南大学博士生陈润泽、刘易丹、冯浩、张傲然，以及硕士生欧阳洲、钟愉明、胡晟、陈雯、张盛、尚志豪、欧阳诗佳、胡瑢、陈忆雪、陈培伟、杜嘉怡、余强、裘鸿基等同学为本书整理与排版付出的辛勤努力。其次，感谢湖南大学及电气与信息工程学院的大力支持，本书获得了湖南大学2023年本科生规划建设项目与学院教学建设的资助。最后，感谢出版社的同仁为本书出版付出辛勤努力。正是他们的专业精神、无私奉献和严谨态度，才使得这本《机器视觉与图像处理基础》能够顺利面世，为广大读者提供学习资源。
我们衷心希望本书能成为您学习机器视觉与图像处理技术的得力助手，陪伴您在这一充满挑战和机遇的领域里不断前行。无论您是想要掌握这一技术以应对职业发展的需求，还是对图像处理和机器视觉领域充满好奇和热情，本书都将为您提供一个全面、系统且实用的学习平台。
限于水平，书中难免会存在不足之处，敬请广大读者、同行批评指正，联系邮箱：zgling_hunan@126.com。
编著者
2024年8月于长沙岳麓山
|
|
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
