欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • MATLAB计算机视觉与深度学习实战(第2版)
      • 作者:编者:刘衍琦//王小超//詹福宇|责编:张国霞
      • 出版社:电子工业
      • ISBN:9787121475733
      • 出版日期:2024/05/01
      • 页数:388
    • 售价:51.2
  • 内容大纲

        本书详细讲解了29个实用的MATLAB计算机视觉与深度学习实战案例(含可运行程序),涉及图像去雾、答题卡识别、图像分割、肝脏影像辅助分割系统、人脸二维码编解码系统、英文印刷体字符识别、图像融合、全景图像拼接、图像压缩和重建、视频处理工具、运动目标检测、路面裂缝检测识别系统、车流量计数、三维网格模型特征点提取、数字水印、图像水印、辅助自动驾驶、汽车目标检测、手写数字识别、以图搜图、验证码识别、图像生成、影像识别、物体识别、图像校正、时间序列分析、交通目标检测、智能问答等,还讲解了深度神经网络的拆分、编辑、重构等多项重要技术及应用,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应用方面。
        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,并以MATLAB为工具详细讲解了实验的核心程序,涉及DeepLearning Toolbox、TensorFlow、Keras、Java等。通过对这些程序的阅读、理解和仿真运行,读者可以更加深刻地理解图像处理的相关知识,并且更加熟练地掌握计算机视觉及深度学习在不同领域中的应用。
        本书以案例为基础,结构紧凑,内容深入浅出,实验简单高效,适合高等院校计算机、通信和自动化等相关专业的教师、本科生、研究生,以及计算机视觉工程人员阅读和参考。
  • 作者介绍

  • 目录

    第1章  基于图像增强方法的图像去雾技术
      1.1  案例背景
      1.2  空域图像增强
      1.3  直方图均衡化
      1.4  程序实现
        1.4.1  设计GUI
        1.4.2  全局直方图均衡化处理
        1.4.3  限制对比度的自适应直方图均衡化处理
        1.4.4  Retinex增强处理
        1.4.5  方法评测
    第2章  基于Hough变换的答题卡识别
      2.1  案例背景
      2.2  图像二值化
      2.3  倾斜校正
      2.4  图像分割
      2.5  程序实现
        2.5.1  图像灰度化
        2.5.2  灰度图像二值化
        2.5.3  图像平滑滤波
        2.5.4  图像校正
        2.5.5  完整性核查
    第3章  基于聚类算法的图像分割
      3.1  案例背景
      3.2  K-means聚类算法的原理
      3.3  K-means聚类算法的特点
      3.4  K-means聚类算法的缺点
      3.5  基于K-means聚类算法进行图像分割
      3.6  程序实现
        3.6.1  数据样本间的距离
        3.6.2  提取特征向量
        3.6.3  图像聚类分割
    第4章  基于区域生长的肝脏影像辅助分割系统
      4.1  案例背景
      4.2  阈值分割算法
      4.3  区域生长算法
      4.4  基于阈值预分割的区域生长算法
      4.5  程序实现
    第5章  基于主成分分析的人脸二维码编解码系统
      5.1  案例背景
      5.2  QR编码简介
        5.2.1  QR编码的符号结构
        5.2.2  QR编码的基本特性
        5.2.3  QR编码的流程
        5.2.4  QR译码的流程
      5.3  主成分分析
      5.4  程序实现
        5.4.1  人脸建库
        5.4.2  人脸识别
        5.4.3  人脸二维码
    第6章  基于特征匹配的英文印刷体字符识别

      6.1  案例背景
      6.2  图像预处理
      6.3  图像识别技术
      6.4  程序实现
        6.4.1  设计GUI
        6.4.2  回调识别
    第7章  基于小波变换的图像融合
      7.1  案例背景
      7.2  小波变换
      7.3  程序实现
        7.3.1  设计GUI
        7.3.2  图像载入
        7.3.3  小波融合
    第8章  基于块匹配的全景图像拼接
      8.1  案例背景
      8.2  图像拼接
      8.3  图像匹配
      8.4  图像融合
      8.5  程序实现
        8.5.1  设计GUI
        8.5.2  载入图像
        8.5.3  图像匹配
        8.5.4  图像拼接
    第9章  基于主成分分析的图像压缩和重建
      9.1  案例背景
      9.2  主成分分析降维的原理
      9.3  由得分矩阵重建样本
      9.4  主成分分析数据压缩比
      9.5  基于主成分分析的图像压缩
      9.6  程序实现
        9.6.1  主成分分析的代码实现
        9.6.2  图像与样本间的转换
        9.6.3  基于主成分分析的图像压缩
    第10章  基于小波变换的图像压缩
      10.1  案例背景
      10.2  图像压缩基础
      10.3  程序实现
    第11章  基于GUI搭建通用的视频处理工具
      11.1  案例背景
      11.2  视频解析
      11.3  程序实现
        11.3.1  设计GUI
        11.3.2  实现GUI
    第12章  基于帧间差分法进行运动目标检测
      12.1  案例背景
      12.2  帧间差分法
      12.3  背景差分法
      12.4  光流法
      12.5  程序实现
    第13章  路面裂缝检测识别系统设计

      13.1  案例背景
      13.2  图像灰度化
      13.3  图像滤波
      13.4  图像增强
      13.5  图像二值化
      13.6  程序实现
    第14章  基于光流场的车流量计数
      14.1  案例背景
      14.2  光流法检测运动物体的基本原理
      14.3  光流场的计算方法
      14.4  梯度光流场约束方程
      14.5  Horn-Schunck算法
      14.6  程序实现
        14.6.1  计算视觉系统工具箱简介
        14.6.2  基于光流场检测汽车运动
    第15章  基于邻域支持的三维网格模型特征点提取
      15.1  案例背景
      15.2  网格特征提取
        15.2.1  邻域支持
        15.2.2  网格特征点提取
      15.3  程序实现
    第16章  基于小波变换的数字水印技术
      16.1  案例背景
      16.2  数字水印技术原理
      16.3  典型的数字水印算法
      16.4  数字水印攻击和评价
      16.5  基于小波变换的水印技术
      16.6  程序实现
        16.6.1  准备宿主图像和水印图像
        16.6.2  小波数字水印的嵌入
        16.6.3  小波数字水印的检测和提取
        16.6.4  小波数字水印的攻击实验
    第17章  基于BEMD与Hilbert曲线的图像水印技术
      17.1  案例背景
      17.2  BEMD与Hilbert曲线
        17.2.1  相关工作
        17.2.2  案例算法
      17.3  程序实现
        17.3.1  实验结果与分析
        17.3.2  核心程序
    第18章  基于计算机视觉的辅助自动驾驶
      18.1  案例背景
      18.2  环境感知
      18.3  行为决策
      18.4  路径规划
      18.5  运动控制
      18.6  程序实现
        18.6.1  传感器数据载入
        18.6.2  创建追踪器
        18.6.3  碰撞预警

    第19章  基于深度学习的汽车目标检测
      19.1  案例背景
      19.2  基本架构
      19.3  卷积层
      19.4  池化层
      19.5  程序实现
        19.5.1  加载数据
        19.5.2  构建CNN
        19.5.3  训练CNN
        19.5.4  评估训练效果
    第20章  基于深度学习的手写数字识别
      20.1  案例背景
      20.2  卷积核
      20.3  特征图
      20.4  池化降维
      20.5  模型定义
      20.6  MATLAB实现
        20.6.1  解析数据集
        20.6.2  构建网络模型
        20.6.3  构建识别平台
      20.7  Python实现
        20.7.1  数据拆分
        20.7.2  训练网络
        20.7.3  网络测试
        20.7.4  集成应用
    第21章  基于深度学习的以图搜图
      21.1  案例背景
      21.2  选择模型
        21.2.1  AlexNet
        21.2.2  VGGNet
        21.2.3  GoogLeNet
      21.3  深度特征
      21.4  程序实现
        21.4.1  构建深度索引
        21.4.2  构建搜索引擎
        21.4.3  构建搜索平台
    第22章  基于深度学习的验证码识别
      22.1  案例背景
      22.2  生成验证码数据
      22.3  验证码CNN识别
      22.4  程序实现
        22.4.1  验证码样本数据集标注
        22.4.2  验证码样本数据集分割
        22.4.3  训练验证码识别模型
        22.4.4  测试验证码识别模型
    第23章  基于生成对抗网络的图像生成
      23.1  案例背景
      23.2  选择生成对抗数据
      23.3  设计生成对抗网络
      23.4  程序实现

        23.4.1  训练生成对抗模型
        23.4.2  测试生成对抗模型
        23.4.3  构建生成对抗平台
    第24章  基于深度学习的影像识别
      24.1  案例背景
      24.2  选择肺部影像数据集
      24.3  编辑CNN迁移模型
      24.4  程序实现
        24.4.1  训练CNN迁移模型
        24.4.2  测试CNN迁移模型
        24.4.3  融合CNN迁移模型
        24.4.4  构建CNN识别平台
    第25章  基于CNN的物体识别
      25.1  案例背景
      25.2  CIFAR-10数据集
      25.3  VGGNet
      25.4  ResNet
      25.5  程序实现
    第26章  基于CNN的图像校正
      26.1  案例背景
      26.2  倾斜数据集
      26.3  自定义CNN回归网络
      26.4  AlexNet回归网络
      26.5  程序实现
    第27章  基于LSTM的时间序列分析
      27.1  案例背景
      27.2  厄尔尼诺—南方涛动指数数据
      27.3  样条分析
      27.4  用MATLAB实现LSTM预测
      27.5  用Python实现LSTM预测
    第28章  基于YOLO的交通目标检测
      28.1  案例背景
      28.2  车辆YOLO检测
      28.3  交通标志YOLO检测
    第29章  基于ChatGPT的智能问答
      29.1  案例背景
      29.2  网络URL访问
      29.3  ChatGPT接口说明
      29.4  构建智能问答应用