計算機視覺與深度學習實戰(zhàn)：以MATLAB、Python為工具
定 價：109 元
當前圖書已被 31 所學校薦購過！
查看明細
- 作者：劉衍琦
- 出版時間：2019/10/1
- ISBN：9787121374838
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP302.7；TP181
- 頁碼：496
- 紙張：
- 版次：01
- 開本：16開
本書詳細講解了36個計算機視覺與深度學習實戰(zhàn)案例（含可運行程序），涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數字水印、圖像檢索、人臉二維碼識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數字識別、英文字符文本識別、眼前節(jié)組織提取、全景圖像拼接、小波圖像融合、基于語音識別的音頻信號模擬燈控、路面裂縫檢測識別、視頻運動估計追蹤、Simulink圖像處理、胸片及肝臟分割、基于深度學習的汽車目標檢測、基于計算機視覺的自動駕駛應用、基于深度學習的視覺場景識別、基于深度特征的以圖搜畫、基于CNN的字符識別、基于CNN的物體識別、基于CNN的圖像矯正、基于LSTM的時間序列分析、基于深度學習的以圖搜圖技術、基于YOLO的智能交通目標檢測等多項重要技術及應用，涵蓋了數字圖像處理中幾乎所有的基本模塊，并延伸到了深度學習理論及其應用方面。工欲善其事，必先利其器，本書對每個數字圖像處理的知識點都提供了豐富、生動的案例素材，并以MATLAB、Python為工具詳細講解了實驗的核心程序。通過對這些程序的閱讀、理解和仿真運行，讀者可以更加深刻地理解圖像處理的內容，并且更加熟練地掌握計算機視覺及深度學習在不同實際領域中的用法。本書以案例為基礎，結構布局緊湊，內容深入淺出，實驗簡捷高效，適合計算機、信號通信和自動化等相關專業(yè)的教師、本科生、研究生，以及廣大從事數字圖像處理的工程研發(fā)人員閱讀參考。
劉衍琦，機器學習算法專家及視覺AI課程講師，擅長視覺智能分析、多源異構數據采集和挖掘等工程化應用，并長期從事視覺大數據工程相關工作，涉及互聯網海量圖像、聲紋、視頻檢索，以及OCR圖文檢索、手繪草圖智能識別、特殊通道數據分析等應用的算法架構與研發(fā)，對圖文識別、大規(guī)模以圖搜圖、數據感知和采集等進行過深入研究，并結合行業(yè)背景推動了一系列工程化應用。曾主編和參與編寫多本書籍。詹福宇，博士，資深飛行控制算法專家，畢業(yè)于西北工業(yè)大學航空學院飛行器設計專業(yè)。擁有近10年仿真控制開發(fā)經驗，熟悉Simulink基于模型設計的流程，曾主編和參與編寫多本書籍。王德建，檔案管理副研究館員，畢業(yè)于西安建筑科技大學系統(tǒng)工程專業(yè)，從事檔案數字化、智能化分類、OCR圖文檢索、圖像智能識別相關工作。陳峰蔚，熟悉機器學習、深度學習及計算機視覺在智能交通、智能駕駛領域的應用，長期從事汽車品牌識別、車型細粒度分類、目標檢測與分割方面的相關工作，精通MATLAB、Python編程及TensorFlow深度學習框架，參與了多項專利的設計與開發(fā)。蔣獻文，資深專業(yè)醫(yī)事放射師，畢業(yè)于中國醫(yī)藥大學醫(yī)學院臨床醫(yī)學研究所。擅長醫(yī)學圖像處理技術、放射線射影技術及手術房計算機斷層與血管攝影技術，在臨床放射技術學與圖像處理方面進行過深入研究并發(fā)表了相關醫(yī)學論文。周華英，新能源汽車高級工程師，畢業(yè)于北京交通大學交通運輸規(guī)劃與管理專業(yè)。長期進行純電動及混合動力汽車系統(tǒng)建模與控制、汽車動力系統(tǒng)與控制、電動汽車能量管理和控制優(yōu)化等研究，曾主編和參與編寫多本書籍。
第1章 基于直方圖優(yōu)化的圖像去霧技術 1
1.1 案例背景 1
1.2 理論基礎 1
1.2.1 空域圖像增強 1
1.2.2 直方圖均衡化 2
1.3 程序實現 3
1.3.1 設計GUI界面 4
1.3.2 全局直方圖處理 4
1.3.3 局部直方圖處理 6
1.3.4 Retinex增強處理 8
1.4 延伸閱讀 12
第2章 基于形態(tài)學的權重自適應圖像去噪 13
2.1 案例背景 13
2.2 理論基礎 14
2.2.1 圖像去噪的方法 14
2.2.2 數學形態(tài)學的原理 15
2.2.3 權重自適應的多結構形態(tài)學去噪 15
2.3 程序實現 16
2.4 延伸閱讀 22
第3章 基于多尺度形態(tài)學提取眼前節(jié)組織 24
3.1 案例背景 24
3.2 理論基礎 25
3.3 程序實現 28
3.3.1 多尺度結構設計 28
3.3.2 多尺度邊緣提取 29
3.3.3 多尺度邊緣融合 31
3.4 延伸閱讀 33
第4章 基于Hough變化的答題卡識別 34
4.1 案例背景 34
4.2 理論基礎 34
4.2.1 圖像二值化 35
4.2.2 傾斜校正 35
4.2.3 圖像分割 38
4.3 程序實現 40
4.3.1 圖像灰度化 40
4.3.2 灰度圖像二值化 41
4.3.3 圖像平滑濾波 41
4.3.4 圖像矯正 41
4.3.5 完整性核查 42
4.4 延伸閱讀 51
第5章 基于閾值分割的車牌定位識別 53
5.1 案例背景 53
5.2 理論基礎 53
5.2.1 車牌圖像處理 54
5.2.2 車牌定位原理 58
5.2.3 車牌字符處理 58
5.2.4 車牌字符識別 60
5.3 程序實現 62
5.4 延伸閱讀 69
第6章 基于分水嶺分割進行肺癌診斷 71
6.1 案例背景 71
6.2 理論基礎 71
6.2.1 模擬浸水的過程 72
6.2.2 模擬降水的過程 72
6.2.3 過度分割問題 72
6.2.4 標記分水嶺分割算法 72
6.3 程序實現 73
6.4 延伸閱讀 77
第7章 基于主成分分析的人臉二維碼識別 79
7.1 案例背景 79
7.2 理論基礎 79
7.2.1 QR二維碼簡介 80
7.2.2 QR二維碼的編碼和譯碼流程 82
7.2.3 主成分分析方法 84
7.3 程序實現 85
7.3.1 人臉建庫 85
7.3.2 人臉識別 87
7.3.3 人臉二維碼 87
7.4 延伸閱讀 92
第8章 基于知識庫的手寫體數字識別 94
8.1 案例背景 94
8.2 理論基礎 94
8.2.1 算法流程 94
8.2.2 特征提取 95
8.2.3 模式識別 96
8.3 程序實現 97
8.3.1 圖像處理 97
8.3.2 特征提取 98
8.3.3 模式識別 101
8.4 延伸閱讀 102
8.4.1 識別器選擇 102
8.4.2 特征庫改善 102
第9章 基于特征匹配的英文印刷字符識別 103
9.1 案例背景 103
9.2 理論基礎 104
9.2.1 圖像預處理 104
9.2.2 圖像識別技術 105
9.3 程序實現 106
9.3.1 界面設計 106
9.3.2 回調識別 111
9.4 延伸閱讀 112
第10章 基于不變矩的數字驗證碼識別 113
10.1 案例背景 113
10.2 理論基礎 114
10.3 程序實現 114
10.3.1 設計GUI界面 114
10.3.2 載入驗證碼圖像 115
10.3.3 驗證碼圖像去噪 116
10.3.4 驗證碼數字定位 118
10.3.5 驗證碼歸一化 120
10.3.6 驗證碼數字識別 121
10.3.7 手動確認并入庫 124
10.3.8 重新生成模板庫 125
10.4 延伸閱讀 128
第11章 基于小波技術進行圖像融合 129
11.1 案例背景 129
11.2 理論基礎 130
11.3 程序實現 132
11.3.1 設計GUI界面 132
11.3.2 圖像載入 133
11.3.3 小波融合 135
11.4 延伸閱讀 137
第12章 基于塊匹配的全景圖像拼接 138
12.1 案例背景 138
12.2 理論基礎 138
12.2.1 圖像匹配 139
12.2.2 圖像融合 141
12.3 程序實現 142
12.3.1 設計GUI界面 142
12.3.2 載入圖片 143
12.3.3 圖像匹配 144
12.3.4 圖像拼接 148
12.4 延伸閱讀 153
第13章 基于霍夫曼圖像編碼的圖像壓縮和重建 155
13.1 案例背景 155
13.2 理論基礎 155
13.2.1 霍夫曼編碼的步驟 156
13.2.2 霍夫曼編碼的特點 157
13.3 程序實現 158
13.3.1 設計GUI界面 158
13.3.2 壓縮和重建 159
13.3.3 效果對比 164
13.4 延伸閱讀 167
第14章 基于主成分分析的圖像壓縮和重建 168
14.1 案例背景 168
14.2 理論基礎 168
14.2.1 主成分降維分析原理 168
14.2.2 由得分矩陣重建樣本 169
14.2.3 主成分分析數據壓縮比 170
14.2.4 基于主成分分析的圖像壓縮 170
14.3 程序實現 171
14.3.1 主成分分析的源代碼 171
14.3.2 圖像數組和樣本矩陣之間的轉換 172
14.3.3 基于主成分分析的圖像壓縮 173
14.4 延伸閱讀 176
第15章 基于小波的圖像壓縮技術 177
15.1 案例背景 177
15.2 理論基礎 178
15.3 程序實現 180
15.4 延伸閱讀 188
第16章 基于融合特征的以圖搜圖技術 189
16.1 案例背景 189
16.2 理論基礎 189
16.3 程序實現 191
16.3.1 圖像預處理 191
16.3.2 計算特征 191
16.3.3 圖像檢索 194
16.3.4 結果分析 194
16.4 延伸閱讀 196
第17章 基于Harris的角點特征檢測 198
17.1 案例背景 198
17.2 理論基礎 199
17.2.1 Harris的基本原理 199
17.2.2 Harris算法的流程 201
17.2.3 Harris角點的性質 201
17.3 程序實現 202
17.3.1 Harris算法的代碼 202
17.3.2 角點檢測實例 204
17.4 延伸閱讀 205
第18章 基于GUI搭建通用視頻處理工具 206
18.1 案例背景 206
18.2 理論基礎 206
18.3 程序實現 208
18.3.1 設計GUI界面 208
18.3.2 實現GUI界面 209
18.4 延伸閱讀 220
第19章 基于語音識別的信號燈圖像
模擬控制技術 221
19.1 案例背景 221
19.2 理論基礎 221
19.3 程序實現 223
19.4 延伸閱讀 232
第20章 基于幀間差法進行視頻目標檢測 234
20.1 案例背景 234
20.2 理論基礎 234
20.2.1 幀間差分法 235
20.2.2 背景差分法 236
20.2.3 光流法 236
20.3 程序實現 237
20.4 延伸閱讀 24
第21章 路面裂縫檢測系統(tǒng)設計 247
21.1 案例背景 247
21.2 理論基礎 247
21.2.1 圖像灰度化 248
21.2.2 圖像濾波 250
21.2.3 圖像增強 252
21.2.4 圖像二值化 253
21.3 程序實現 255
21.4 延伸閱讀 267
第22章 基于K-means聚類算法的圖像分割 268
22.1 案例背景 268
22.2 理論基礎 268
22.2.1 K-means聚類算法的原理 268
22.2.2 K-means聚類算法的要點 269
22.2.3 K-means聚類算法的缺點 270
22.2.4 基于K-means聚類算法進行圖像分割 270
22.3 程序實現 271
22.3.1 樣本間的距離 271
22.3.2 提取特征向量 272
22.3.3 圖像聚類分割 273
22.4 延伸閱讀 275
第23章 基于光流場的車流量計數應用 276
23.1 案例背景 276
23.2 理論基礎 276
23.2.1 基于光流法檢測運動的原理 276
23.2.2 光流場的主要計算方法 277
23.2.3 梯度光流場約束方程 278
23.2.4 Horn-Schunck光流算法 280
23.3 程序實現 281
23.3.1 計算視覺系統(tǒng)工具箱簡介 281
23.3.2 基于光流法檢測汽車運動 282
23.4 延伸閱讀 287
第24章 基于Simulink進行圖像和視頻處理 289
24.1 案例背景 289
24.2 模塊介紹 289
24.2.1 分析和增強模塊庫（Analysis和Enhancement） 290
24.2.2 轉化模塊庫（Conversions） 291
24.2.3 濾波模塊庫（Filtering） 292
24.2.4 幾何變換模塊庫（Geometric Transformations） 292
24.2.5 形態(tài)學操作模塊庫（Morphological Operations） 292
24.2.6 輸入模塊庫（Sources） 293
24.2.7 輸出模塊庫（Sinks） 293
24.2.8 統(tǒng)計模塊庫（Statistics） 294
24.2.9 文本和圖形模塊庫（Text 和 Graphic） 295
24.2.10 變換模塊庫（Transforms） 295
24.2.11 其他工具模塊庫（Utilities） 295
24.3 仿真案例 296
24.3.1 搭建組織模型 296
24.3.2 仿真執(zhí)行模型 298
24.3.3 自動生成報告 299
24.4 延伸閱讀 302
第25章 基于小波變換的數字水印技術 304
25.1 案例背景 304
25.2 理論基礎 304
25.2.1 數字水印技術的原理 305
25.2.2 典型的數字水印算法 307
25.2.3 數字水印攻擊和評價 309
25.2.4 基于小波的水印技術 310
25.3 程序實現 312
25.3.1 準備載體和水印圖像 312
25.3.2 小波數字水印的嵌入 313
25.3.3 小波數字水印的提取 317
25.3.4 小波水印的攻擊試驗 319
25.4 延伸閱讀 323
第26章 基于最小誤差法的胸片分割技術 325
26.1 案例背景 325
26.2 理論基礎 325
26.2.1 圖像增強 326
26.2.2 區(qū)域選擇 326
26.2.3 形態(tài)學濾波 327
26.2.4 基于最小誤差法進行胸片分割 328
26.3 程序實現 329
26.3.1 設計GUI界面 329
26.3.2 圖像預處理 330
26.3.3 基于最小誤差法進行圖像分割 333
26.3.4 形態(tài)學后處理 335
26.4 延伸閱讀 338
第27章 基于區(qū)域生長的肝臟影像分割系統(tǒng) 339
27.1 案例背景 339
27.2 理論基礎 340
27.2.1 閾值分割 340
27.2.2 區(qū)域生長 340
27.2.3 基于閾值預分割的區(qū)域生長 341
27.3 程序實現 342
27.4 延伸閱讀 346
第28章 基于計算機視覺的自動駕駛應用 347
28.1 案例背景 347
28.2 理論基礎 348
28.2.1 環(huán)境感知 348
28.2.2 行為決策 348
28.2.3 路徑規(guī)劃 349
28.2.4 運動控制 349
28.3 程序實現 349
28.3.1 傳感器數據載入 349
28.3.2 追蹤器創(chuàng)建 351
28.3.3 碰撞預警 353
28.4 延伸閱讀 358
第29章 基于深度學習的汽車目標檢測 359
29.1 案例背景 359
29.2 理論基礎 360
29.2.1 基本架構 360
29.2.2 卷積層 360
29.2.3 池化層 362
29.3 程序實現 362
29.3.1 加載數據 362
29.3.2 構建CNN 364
29.3.3 訓練CNN 365
29.3.4 評估訓練效果 367
29.4 延伸閱讀 368
第30章 基于深度學習的視覺場景
識別 370
30.1 案例背景 370
30.2 理論基礎 371
30.3 程序實現 371
30.3.1 環(huán)境配置 372
30.3.2 數據集制作 373
30.3.3 網絡訓練 375
30.3.4 網絡測試 381
30.4 延伸閱讀 383
第31章 深度學習綜合應用 385
31.1 應用背景 385
31.2 理論基礎 387
31.2.1 分類識別 387
31.2.2 目標檢測 391
31.3 案例實現1：基于CNN的數字識別 395
31.3.1 自定義CNN 397
31.3.2 AlexNet 399
31.3.3 基于MATLAB進行實驗設計 405
31.3.4 基于TensorFlow進行實驗設計 413
31.3.5 實驗小結 418
31.4 案例實現2：基于CNN的物體識別 418
31.4.1 CIFAR-10數據集 418
31.4.2 VggNet 421
31.4.3 ResNet 422
31.4.4 實驗設計 424
31.4.5 實驗小結 432
31.5 案例實現3：基于CNN的圖像矯正 432
31.5.1 傾斜數據集 432
31.5.2 自定義CNN回歸網絡 434
31.5.3 AlexNet回歸網絡 436
31.5.4 實驗設計 437
31.5.5 實驗小結 445
31.6 案例實現4：基于LSTM的時間序列分析 445
31.6.1 厄爾尼諾南方濤動指數數據 446
31.6.2 樣條擬合分析 446
31.6.3 基于MATLAB進行LSTM分析 448
31.6.4 基于Keras進行LSTM分析 451
31.6.5 實驗小結 455
31.7 案例實現5：基于深度學習的以圖搜圖技術 455
31.7.1 人臉的深度特征 455
31.7.2 AlexNet的特征 460
31.7.3 GoogleNet的特征 461
31.7.4 深度特征融合計算 462
31.7.5 實驗設計 462
31.7.6 實驗小結 46731.8 案例實現6：基于YOLO的交通目標檢測應用 467
31.8.1 車輛目標的YOLO檢測 468
31.8.2 交通標志的YOLO檢測 475
31.9 延伸閱讀 481
書單推薦
