- 智能图像处理及应用(新一代信息技术人工智能与机器人战略性新兴领域十四五高等教育系列教材)
- - 作者：编者:李树涛|责编:吉玲//章承林
  - 出版社：机械工业
  - ISBN：9787111774815
  - 出版日期：2024/12/01
  - 页数：265
- 售价：23.92

内容大纲
本书系统阐述了图像处理的基本理论与实现方法，重点论述了人工智能在图像处理领域的理论创新与实践应用。本书内容分为两大部分，第一部分主要介绍图像处理的基本理论、算法和技术，包括图像变换、图像增强、图像复原、图像融合、图像压缩、图像分割和图像识别等内容；第二部分主要介绍智能图像处理在多个领域的应用实例，包括智能遥感领域应用实例、智慧医疗领域应用实例和多源图像智能融合领域应用实例等内容。
本书可作为人工智能、电子信息工程、计算机科学与技术、自动化、机器人工程和生物医学工程等专业高年级本科生的教材，也可供相关专业研究人员和工程技术人员参考。
作者介绍
目录
序
前言
第1章  绪论
  1.1  图像处理概述
  1.2  智能图像处理概述
  1.3  智能图像处理应用
  本章小结
第2章  图像变换
  2.1  图像变换概述
  2.2  基本算术运算
    2.2.1  加法运算
    2.2.2  减法运算
    2.2.3  乘法运算
    2.2.4  除法运算
  2.3  基本几何运算
    2.3.1  平移变换
    2.3.2  旋转变换
    2.3.3  缩放变换
    2.3.4  仿射变换
  2.4  离散傅里叶变换
    2.4.1  一维离散傅里叶变换
    2.4.2  二维离散傅里叶变换
  2.5  离散余弦变换
    2.5.1  一维离散余弦变换
    2.5.2  二维离散余弦变换
  2.6  离散小波变换
    2.6.1  一维离散小波变换
    2.6.2  二维离散小波变换
  2.7  稀疏表示
  2.8  基于深度学习的图像变换
  本章小结
  习题
第3章  图像增强
  3.1  图像增强概述
  3.2  图像平滑滤波
    3.2.1  均值滤波
    3.2.2  中值滤波
    3.2.3  高斯模糊
  3.3  图像锐化滤波
    3.3.1  梯度法
    3.3.2  拉普拉斯算子
    3.3.3  频域滤波
  3.4  直方图均衡化
  3.5  伪彩色图像增强
    3.5.1  密度分割法
    3.5.2  灰度变换法
    3.5.3  频域伪彩色增强
  3.6  基于Retinex的图像增强
  3.7  基于深度学习的图像增强
    3.7.1  基于卷积神经网络的图像增强

    3.7.2  基于弱监督学习的图像增强
    3.7.3  基于无监督学习的图像增强
    3.7.4  常用损失函数
  本章小结
  习题
第4章  图像复原
  4.1  图像复原概述
  4.2  噪声模型
    4.2.1  噪声的空间和频率特性
    4.2.2  常见噪声的概率密度函数
    4.2.3  周期噪声
  4.3  基于滤波器的噪声滤除
    4.3.1  均值滤波器
    4.3.2  统计排序滤波器
    4.3.3  自适应滤波器
  4.4  基于频率分析的周期噪声滤除
    4.4.1  带阻滤波器
    4.4.2  带通滤波器
  4.5  无约束图像复原
    4.5.1  逆滤波
    4.5.2  无约束最小二乘求解方法
  4.6  有约束图像复原
    4.6.1  基于稀疏表示的图像复原
    4.6.2  基于低秩约束的图像复原
  4.7  基于深度学习的图像复原
    4.7.1  基于深度学习的图像去噪
    4.7.2  基于深度学习的图像超分辨率复原
    4.7.3  基于深度学习的图像去模糊
    4.7.4  基于深度学习的图像修复
  本章小结
  习题
第5章  图像融合
  5.1  图像融合概述
  5.2  多源图像配准
    5.2.1  基本概念
    5.2.2  特征点匹配
    5.2.3  仿射变换
  5.3  空间域图像融合
  5.4  变换域图像融合
  5.5  基于稀疏表示的图像融合
  5.6  基于深度学习的图像融合
    5.6.1  基于卷积神经网络的图像融合
    5.6.2  基于自监督学习的图像融合
    5.6.3  基于无监督学习的图像融合
  本章小结
  习题
第6章  图像压缩
  6.1  图像压缩概述
    6.1.1  图像中的信息冗余
    6.1.2  图像压缩分类

    6.1.3  图像编码评价
  6.2  统计编码
    6.2.1  霍夫曼编码
    6.2.2  费诺-香农编码
    6.2.3  算术编码
    6.2.4  行程编码
  6.3  预测编码
    6.3.1  线性预测编码
    6.3.2  非线性预测编码
  6.4  矢量量化
    6.4.1  矢量量化的基本思想
    6.4.2  矢量量化器的设计
  6.5  变换域压缩
    6.5.1  变换域压缩的基本思想
    6.5.2  变换域编码的原理
  6.6  基于深度学习的图像压缩
    6.6.1  基于卷积神经网络的图像压缩
    6.6.2  基于循环神经网络的图像压缩
    6.6.3  基于生成对抗网络的图像压缩
  本章小结
  习题
第7章  图像分割
  7.1  图像分割概述
  7.2  边缘检测
    7.2.1  边缘检测算子
    7.2.2  边缘跟踪
  7.3  图像阈值分割
    7.3.1  直方图阈值分割法
    7.3.2  最大类间方差阈值分割法
  7.4  基于区域的分割
    7.4.1  区域增长法
    7.4.2  分裂合并法
  7.5  基于深度学习的图像分割
    7.5.1  基于全卷积网络的图像分割
    7.5.2  基于多尺度特征聚合的图像分割
    7.5.3  基于区域卷积神经网络的图像分割
    7.5.4  基于注意力机制的图像分割
  本章小结
  习题
第8章  图像识别
  8.1  图像识别概述
  8.2  图像特征提取
    8.2.1  颜色特征
    8.2.2  纹理特征
    8.2.3  形状特征
    8.2.4  空间关系特征
  8.3  传统图像识别方法
  8.4  基于深度学习的图像识别
    8.4.1  粗粒度图像识别
    8.4.2  细粒度图像识别

  本章小结
  习题
第9章  智能遥感领域应用实例
  9.1  渤海湾海洋溢油检测
    9.1.1  耀斑去除与噪声估计
    9.1.2  溢油区域探测
  9.2  DOTA数据集目标检测
    9.2.1  数据预处理
    9.2.2  方法设计
  本章小结
  习题
第10章  智慧医疗领域应用实例
  10.1  视网膜光学相干断层扫描图像智能处理技术
    10.1.1  视网膜光学相干断层扫描图像的去噪
    10.1.2  视网膜光学相干断层扫描图像的压缩重建
    10.1.3  视网膜光学相干断层扫描图像的病灶定位与诊断
  10.2  脑高光谱图像智能处理技术
    10.2.1  图像预处理
    10.2.2  诊断方法
  本章小结
  习题
第11章  多源图像智能融合领域应用实例
  11.1  红外图像与可见光图像融合
    11.1.1  图像预处理
    11.1.2  图像融合
  11.2  视网膜光学相干断层扫描图像与眼底图像融合
  11.3  多源遥感图像融合
    11.3.1  图像预处理
    11.3.2  地物分类
  11.4  多源大模型遥感图像解译
    11.4.1  多源遥感大模型
    11.4.2  基于大模型的多源遥感图像解译
  本章小结
  习题
附录  相关术语
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