- 智能交通数字图像处理技术(普通高等教育交通运输类专业系列教材)/新能源与智能网联汽车新技术系列丛书
- - 作者：编者:陈昕|责编:宋学敏//赵晓峰
  - 出版社：机械工业
  - ISBN：9787111770183
  - 出版日期：2024/12/01
  - 页数：222
- 售价：18.4

内容大纲
    本书是“十四五”时期国家重点出版物出版专项规划项目。
    本书以满足智能交通领域对数字图像处理技术的需求为宗旨，采用数字图像处理理论知识、算法讲解与Python编程相结合的方法，突出在智能交通领域的应用，具有较强的实用性。本书共12章，包括基础和应用两部分：基础部分为第1～8章，涵盖数字图像处理技术的基础知识和理论算法，主要内容有绪论、图像处理基础、傅里叶变换与图像卷积、图像增强、图像复原、形态学图像处理、图像分割、图像特征提取；应用部分为第9～12章，是数字图像处理技术在智能交通领域的应用实例，主要内容有车牌识别、道路交通标志检测与识别、车道线检测与识别、行人目标检测。
    本书既可作为高等院校智能交通和智能车辆工程等专业的图像处理相关课程教材，也可作为从事智能交通领域图像研究和应用的工程技术人员的参考读物。
作者介绍
目录
前言
第1章  绪论
  1.1  数字图像
    1.1.1  数字图像的基本概念及分类
    1.1.2  数字图像的基本特点
  1.2  数字图像处理的目的和主要研究内容
    1.2.1  数字图像处理的目的
    1.2.2  数字图像处理的主要研究内容
  1.3  Python数字图像处理库
    1.3.1  基于Python开发的数字图像处理包
    1.3.2  OpenCV-Python
  1.4  数字图像处理技术在智能交通中的应用
    1.4.1  交通信息采集
    1.4.2  图像检测与识别
  习题
第2章  图像处理基础
  2.1  图像数字化
    2.1.1  图像采样和量化
    2.1.2  空间和灰度级分辨率
    2.1.3  数字图像的表示
    2.1.4  像素间的关系
  2.2  图像数据结构
    2.2.1  二维数组存储数字图像
    2.2.2  颜色模型
    2.2.3  图像通道模式
  2.3  图像文件格式
    2.3.1  BMP文件格式
    2.3.2  GIF文件格式
    2.3.3  TIFF文件格式
    2.3.4  JPEG文件格式
    2.3.5  PNG文件格式
  2.4  简单图像处理编程实现
    2.4.1  图像读取
    2.4.2  彩色图像通道拆分
    2.4.3  使用切片进行图像处理
    2.4.4  灰度图像二值化处理
    2.4.5  显示不同图像模式
  习题
第3章  傅里叶变换与图像卷积
  3.1  傅里叶变换
    3.1.1  傅里叶级数与变换
    3.1.2  一维离散傅里叶变换
    3.1.3  二维离散傅里叶变换
    3.1.4  图像的离散傅里叶变换
  3.2  图像卷积
    3.2.1  图像卷积的概念
    3.2.2  卷积定理
    3.2.3  数字图像卷积操作
  习题
第4章  图像增强

  4.1  概述
  4.2  直接灰度变换
    4.2.1  灰度线性变换
    4.2.2  图像反转
    4.2.3  对数变换
    4.2.4  幂律变换
  4.3  直方图修正
    4.3.1  灰度直方图的含义
    4.3.2  对比度拉伸
    4.3.3  直方图均衡化
    4.3.4  直方图规定化
  4.4  图像平滑
    4.4.1  邻域平均法
    4.4.2  中值滤波法
    4.4.3  频域低通滤波法
  4.5  图像锐化
    4.5.1  微分法
    4.5.2  高通滤波法
  习题
第5章  图像复原
  5.1  图像复原的基本概念
  5.2  图像退化模型
    5.2.1  连续的退化模型
    5.2.2  离散的退化模型
  5.3  图像复原方法
    5.3.1  反向滤波法
    5.3.2  约束还原法
  习题
第6章  形态学图像处理
  6.1  腐蚀和膨胀
    6.1.1  腐蚀
    6.1.2  膨胀
  6.2  开运算和闭运算
    6.2.1  开运算
    6.2.2  闭运算
  6.3  形态学图像处理交通领域编程实现
    6.3.1  利用开、闭运算实现斑马线清洗
    6.3.2  形态学对比度增强
  习题
第7章  图像分割
  7.1  阈值分割
    7.1.1  基于阈值的二值化
    7.1.2  Otsu分割
  7.2  边缘检测
    7.2.1  基于梯度方法和零点交叉方法的边缘检测
    7.2.2  基于边缘连接的边缘检测
  7.3  Hough变换
    7.3.1  Hough变换原理
    7.3.2  图像Hough变换操作
  7.4  区域分割

    7.4.1  区域生长
    7.4.2  分裂合并
    7.4.3  分水岭分割
  习题
第8章  图像特征提取
  8.1  图像特征检测器与描述符
    8.1.1  特征检测器与描述符
    8.1.2  Harris角点检测
  8.2  图像特征提取方法
    8.2.1  方向梯度直方图（HOG）特征提取
    8.2.2  尺度不变特征变换（SIFT）特征提取
  8.3  图像匹配
    8.3.1  ORB特征检测和暴力匹配
    8.3.2  FLANN匹配
  习题
第9章  交通应用实例——车牌识别
  9.1  车牌识别研究现状
  9.2  数字图像处理车牌识别
    9.2.1  车牌图像预处理
    9.2.2  车牌定位
    9.2.3  字符分割
    9.2.4  字符识别
  9.3  数字图像处理车牌识别编程实现
  习题
第10章  交通应用实例——道路交通标志检测与识别
  10.1  道路交通标志图像处理检测与识别研究现状
    10.1.1  国外研究现状
    10.1.2  国内研究现状
    10.1.3  交通标志识别系统与数据集
  10.2  道路交通标志检测与识别方法
    10.2.1  检测方法
    10.2.2  识别方法
  10.3  交通标志检测与识别编程实现
  习题
第11章  交通应用实例——车道线检测与识别
  11.1  车道线检测与识别概述
  11.2  车道线检测算法
    11.2.1  基于模型的检测算法
    11.2.2  基于特征的检测算法
    11.2.3  基于深度学习的车道线检测
  11.3  基于OpenCV的车道线检测编程实现
  习题
第12章  交通应用实例——行人目标检测
  12.1  行人目标检测概述
  12.2  行人目标检测算法
    12.2.1  单特征的行人目标检测算法
    12.2.2  多特征的行人目标检测算法
  12.3  基于Haar特征的行人检测Python实现
    12.3.1  基于Haar特征的行人检测
    12.3.2  Python编程实现

  12.4  基于HOG+SVM的行人目标检测Python实现
    12.4.1  算法步骤
    12.4.2  Python编程实现
  习题
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目