欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 图像处理与机器学习(算法深度解析与应用实践)/人工智能科学与技术丛书
      • 作者:任涵文|责编:李晓波
      • 出版社:机械工业
      • ISBN:9787111770206
      • 出版日期:2025/01/01
      • 页数:395
    • 售价:51.6
  • 内容大纲

        图像处理作为一门发展迅速的学科,涵盖内容极其广泛。本书力求在有限的篇幅内尽可能覆盖图像处理的基础知识以及各重要分支。本书共分4部分:第1部分(第1~6章)介绍图像处理基础知识;第2部分(第7~10章)介绍图像分割、区域分析、边缘检测与尺寸测量、图像匹配等图像处理的各重要分支;第3部分(第11章)介绍机器学习知识;第4部分(第12章)介绍图像处理中的数学基础。从第2部分开始,各章节相对比较独立,读者可根据需要选择阅读。
        本书在介绍理论的同时,也给出了大量实用性极强的算法代码以及应用示例。本书所有示例都给出了详尽参数,以便读者能够在相应的图像处理平台上复现这些示例的处理过程,加深对理论的理解。
        本书可作为高等院校计算机、自动化及相关专业本科生或研究生的参考用书,也可供相关领域的研究人员和工程技术人员阅读参考。
  • 作者介绍

        任涵文,籍贯江苏宜兴,毕业于华中科技大学,获工学博士学位。长期从事图像处理理论和应用研究,特别是对工业图像处理有着丰富的理论知识和实践经验,独立开发出RSIL图像处理软件包。
  • 目录

    前言
    第1章  绪论
      1.1  引言
      1.2  图像采集
        1.2.1  CCD和CMOS图像传感器
        1.2.2  图像分辨率
      1.3  图像存储
      1.4  图像的视觉感知
        1.4.1  亮度和对比度
        1.4.2  敏锐度
        1.4.3  视觉错觉
      1.5  图像处理应用
    第2章  图像处理基础
      2.1  基本概念
        2.1.1  图像坐标系
        2.1.2  距离测度
        2.1.3  邻域
        2.1.4  连通性
        2.1.5  连通区域
        2.1.6  感兴趣区域
        2.1.7  点运算与邻域运算
        2.1.8  线性运算与非线性运算
        2.1.9  边缘扩展
      2.2  彩色图像
        2.2.1  彩色基础
        2.2.2  颜色模型
        2.2.3  颜色空间变换
      2.3  算术和逻辑运算
        2.3.1  算术运算
        2.3.2  逻辑运算
      2.4  图像统计
        2.4.1  均值和方差
        2.4.2  直方图
        2.4.3  积分图像
        2.4.4  熵
        2.4.5  投影
    第3章  形态学
      3.1  形态学基础
      3.2  腐蚀和膨胀
        3.2.1  腐蚀
        3.2.2  膨胀
        3.2.3  腐蚀和膨胀的性质
      3.3  开运算和闭运算
      3.4  击中-击不中变换
      3.5  细化、粗化和裁剪
        3.5.1  细化
        3.5.2  粗化
        3.5.3  裁剪
      3.6  距离变换
      3.7  灰度形态学

        3.7.1  灰度腐蚀和膨胀
        3.7.2  灰度开运算和闭运算
      3.8  形态学应用
        3.8.1  二值形态学应用
        3.8.2  灰度形态学应用
    第4章  图像滤波与噪声
      4.1  空间域滤波
        4.1.1  空间域滤波基础
        4.1.2  低通滤波
        4.1.3  高通滤波
        4.1.4  空间域滤波应用
      4.2  频率域滤波
        4.2.1  离散傅里叶变换
        4.2.2  快速傅里叶变换
        4.2.3  频率域滤波原理和步骤
        4.2.4  低通滤波
        4.2.5  高通滤波
        4.2.6  带阻和带通滤波
        4.2.7  陷波滤波
        4.2.8  频率域滤波应用
        4.2.9  频率域滤波小结
      4.3  噪声估计与添加
        4.3.1  基本概念
        4.3.2  噪声估计
        4.3.3  噪声添加
    第5章  几何变换
      5.1  空间变换
        5.1.1  仿射变换
        5.1.2  投影变换
        5.1.3  极坐标变换
      5.2  灰度插值
        5.2.1  最近邻插值
        5.2.2  双线性插值
        5.2.3  双三次插值
      5.3  图像金字塔
        5.3.1  高斯金字塔
        5.3.2  均值金字塔
    第6章  图像增强
      6.1  灰度拉伸
      6.2  基于直方图的图像增强
        6.2.1  直方图均衡化
        6.2.2  直方图规定化
      6.3  指数、对数和幂次变换
        6.3.1  指数变换
        6.3.2  对数变换
        6.3.3  幂次变换
      6.4  对比度增强
      6.5  阴影校正
      6.6  冲击滤波
    第7章  图像分割

      7.1  阈值分割
        7.1.1  全局阈值
        7.1.2  自动阈值
        7.1.3  动态阈值
        7.1.4  区域阈值
        7.1.5  变差模型
      7.2  基于边缘的分割
        7.2.1  边缘图像阈值化
        7.2.2  边界闭合
      7.3  分水岭法
        7.3.1  无种子分水岭算法
        7.3.2  有种子分水岭算法
      7.4  区域生长法和k-means聚类算法
        7.4.1  区域生长法
        7.4.2  k-means聚类算法
      7.5  彩色图像分割
        7.5.1  HSV颜色空间中的分割
        7.5.2  二维直方图中的分割
    第8章  区域分析
      8.1  区域描述和提取
        8.1.1  区域描述
        8.1.2  区域提取
      8.2  区域分析前处理
        8.2.1  剔除边缘区域
        8.2.2  填充孔洞
        8.2.3  提取孔洞
      8.3  区域特征
        8.3.1  面积、质心和周长
        8.3.2  长度、宽度和伸长度
        8.3.3  等效椭圆的形状特征
        8.3.4  凸包特征
        8.3.5  外接几何图形
        8.3.6  紧凑度、粗糙度、矩形度和圆度
        8.3.7  费雷特特征
        8.3.8  孔洞特征
        8.3.9  区域筛选
      8.4  亚像素区域边缘提取
      8.5  区域分析应用
        8.5.1  产品表面缺陷检测
        8.5.2  位置检测
        8.5.3  数量统计
    第9章  边缘检测与尺寸测量
      9.1  边缘检测
        9.1.1  Marr-Hildreth算子
        9.1.2  Canny算子
        9.1.3  Hough变换
        9.1.4  脊线检测
      9.2  亚像素边缘检测
        9.2.1  一维亚像素边缘检测
        9.2.2  二维亚像素边缘检测

      9.3  边缘特征
        9.3.1  尺寸和位置特征
        9.3.2  形状特征
        9.3.3  边缘筛选
      9.4  高精度尺寸测量
        9.4.1  直线边测量
        9.4.2  圆和圆弧边测量
        9.4.3  提高测量精度
      9.5  多边形逼近曲线边缘
        9.5.1  Douglas-Peucker算法
        9.5.2  离散曲线演化算法
      9.6  边缘分段
    第10章  图像匹配
      10.1  灰度匹配
        10.1.1  绝对误差和法与误差平方和法
        10.1.2  序贯相似性检测法
        10.1.3  相关系数法
      10.2  特征匹配
        10.2.1  边缘距离法
        10.2.2  边缘梯度法
        10.2.3  形状上下文法
        10.2.4  特征点法
      10.3  图像匹配应用
        10.3.1  应用案例
        10.3.2  使用技巧
      10.4  小结
    第11章  机器学习
      11.1  基本概念
      11.2  k近邻法
      11.3  贝叶斯分类器
        11.3.1  贝叶斯决策论
        11.3.2  朴素贝叶斯分类器
        11.3.3  正态贝叶斯分类器
        11.3.4  贝叶斯分类器在OCR中的应用
      11.4  高斯混合模型
        11.4.1  高斯混合模型的定义
        11.4.2  高斯混合模型在缺陷检测中的应用
      11.5  支持向量机
        11.5.1  支持向量机概述
        11.5.2  对偶问题
        11.5.3  核函数
        11.5.4  支持向量机扩展
        11.5.5  支持向量机在缺陷检测中的应用
      11.6  神经网络
        11.6.1  神经元模型
        11.6.2  单层感知机
        11.6.3  多层感知机
        11.6.4  异常检测
        11.6.5  多层感知机在OCR中的应用
      11.7  小结

    第12章  图像处理中的数学基础
      12.1  集合
      12.2  复数
        12.2.1  复数的概念
        12.2.2  复数的表示法
      12.3  线性代数
        12.3.1  矩阵和向量
        12.3.2  矩阵运算
        12.3.3  线性方程组
        12.3.4  特征值和特征向量
        12.3.5  范数
      12.4  概率论与数理统计
        12.4.1  概率论的基本概念
        12.4.2  随机变量及其分布
        12.4.3  随机变量的数字特征
        12.4.4  极大似然估计法
      12.5  直线、曲线和曲面拟合
        12.5.1  最小二乘法
        12.5.2  直线拟合
        12.5.3  圆和椭圆拟合
        12.5.4  抛物线和抛物面拟合
        12.5.5  高斯曲线和高斯曲面拟合
      12.6  积分变换
        12.6.1  傅里叶积分
        12.6.2  傅里叶变换
        12.6.3  卷积和相关
    参考文献