幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數字圖像處理與深度學習(高等學校電腦專業系列教材)

  • 作者：編者:汪紅兵//李莉|責編:龍啟銘//常建麗
  • 出版社：清華大學
  • ISBN：9787302626886
  • 出版日期：2023/04/01
  • 裝幀：平裝
  • 頁數：248
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以機器視覺系統為研究背景，緊密結合實際工業應用案例，介紹傳統數字圖像處理方法和基於深度學習的數字圖像處理方法。本書共8章，內容包括數字圖像處理概述、基於傳統方法的數字圖像處理、基於深度學習的數字圖像處理、工業字元智能識別、磨粒圖譜識別與分割、射線檢測的焊縫缺陷識別、嵌入式機器視覺系統開發、工業數字圖像處理相關工具和平台。
    本書邏輯結構清晰、內容通俗易懂、案例豐富、圖文並茂，突出構建機器視覺系統的實用性。本書教學資源豐富，每章配置了大量的習題以鞏固基本概念、基礎理論和演算法，附錄還給出4個典型實驗以培養綜合開發和運用能力。
    本書可作為具有一定電腦基礎和程序設計基礎知識的本科生教材，也可作為從事機器視覺、數字圖像等相關工作的工程師的參考書。
作者介紹
編者:汪紅兵//李莉|責編:龍啟銘//常建麗
目錄
第1章  數字圖像處理概述
  1.1  數字圖像
  1.2  數字圖像處理
  1.3  工業數字圖像
  1.4  圖像的數字化
    1.4.1  顏色及顏色空間
    1.4.2  圖像的採樣
    1.4.3  圖像的量化
    1.4.4  圖像的編碼
    1.4.5  數字圖像的存儲空間
  1.5  機器視覺系統
    1.5.1  機器視覺系統概述
    1.5.2  光源
    1.5.3  相機
    1.5.4  圖像採集卡
    1.5.5  工業視覺處理機
  1.6  機器視覺系統的典型案例
    1.6.1  鋼鐵生產過程的鋼板號智能識別系統
    1.6.2  焊接缺陷智能識別及輔助評片系統
    1.6.3  機械設備磨粒圖譜智能識別系統
    1.6.4  鋼包掛鉤安全檢測系統
  1.7  機器視覺系統的開發流程
  本章小結
  習題
第2章  基於傳統方法的數字圖像處理
  2.1  數字圖像中像素間的空間關係
    2.1.1  像素的鄰域
    2.1.2  像素間的鄰接關係
    2.1.3  通路
  2.2  數字圖像中像素的基本運算
    2.2.1  線性點運算
    2.2.2  算術運算
    2.2.3  邏輯運算
    2.2.4  直方圖均勻化
  2.3  圖像濾波
    2.3.1  均值濾波
    2.3.2  高斯加權均值濾波
    2.3.3  中值濾波
    2.3.4  雙邊濾波
    2.3.5  頻域濾波
  2.4  邊緣檢測
    2.4.1  梯度原理
    2.4.2  Roberts運算元
    2.4.3  Sobel運算元
    2.4.4  Prewitt運算元
    2.4.5  拉普拉斯運算元
    2.4.6  Canny運算元
  2.5  圖像分割
    2.5.1  閾值分割
    2.5.2  最大類間方差法

    2.5.3  區域生長演算法
    2.5.4  分水嶺演算法
    2.5.5  聚類演算法
    2.5.6  圖割演算法
  2.6  圖像的形態學處理方法
    2.6.1  腐蝕
    2.6.2  膨脹
    2.6.3  開閉運算
  2.7  圖像的紋理特徵
    2.7.1  圖像的統計矩
    2.7.2  灰度共生矩陣
    2.7.3  LBP
    2.7.4  分形維數
  2.8  圖像處理的簡單應用
    2.8.1  基於模板匹配的目標檢測
    2.8.2  霍夫檢測
    2.8.3  特徵檢測
  2.9  金相組織分析
  本章小結
  習題
第3章  基於深度學習的數字圖像處理
  3.1  人工智慧與機器學習
    3.1.1  人工智慧概述
    3.1.2  機器學習概述
  3.2  深度學習的基本概念
    3.2.1  深度學習概述
    3.2.2  深度學習的損失函數
    3.2.3  深度學習的評價指標
    3.2.4  深度學習模型開發的一般過程
  3.3  普通神經網路
    3.3.1  人工神經元
    3.3.2  神經網路的拓撲結構
    3.3.3  激活函數
    3.3.4  BP演算法
  3.4  深度卷積神經網路
    3.4.1  卷積
    3.4.2  層間連接
    3.4.3  池化
    3.4.4  全連接
    3.4.5  Dropout
    3.4.6  批量歸一化
    3.4.7  深度卷積神經網路的參數優化方法
  3.5  經典的深度卷積神經網路
    3.5.1  LeNet5
    3.5.2  VGG16
  3.6  深度卷積神經網路中的新技術
    3.6.1  Inception模塊
    3.6.2  視覺注意力模塊
  本章小結
  習題

第4章  工業字元智能識別
  4.1  鋼鐵生產過程中的工業字元
  4.2  鋼鐵生產過程中工業字元識別的難點
  4.3  基於傳統圖像處理的字元識別
  4.4  基於深度學習的工業字元識別
    4.4.1  目標檢測網路
    4.4.2  R-CNN網路
    4.4.3  Fast R-CNN
    4.4.4  Faster R-CNN
    4.4.5  基於Faster R-CNN進行工業字元識別
  本章小結
  習題
第5章  磨粒圖譜識別與分割
  5.1  鐵譜分析技術
  5.2  設備磨損機理
  5.3  磨粒圖譜
    5.3.1  正常磨粒
    5.3.2  切削磨粒
    5.3.3  球狀磨粒
    5.3.4  嚴重滑動磨粒
    5.3.5  疲勞磨粒
    5.3.6  銅合金磨粒
    5.3.7  黑色氧化物磨粒
    5.3.8  紅色氧化物磨粒
  5.4  基於傳統圖像處理的磨粒特徵計算
    5.4.1  磨粒的顏色特徵
    5.4.2  磨粒的形狀特徵
    5.4.3  磨粒的紋理特徵
    5.4.4  磨粒特徵計算示例
  5.5  基於深度卷積神經網路的磨粒圖譜識別
    5.5.1  磨粒圖譜標注
    5.5.2  特徵提取網路
    5.5.3  非極大值抑制
    5.5.4  基於深度卷積神經網路的磨粒圖譜識別實驗結果展示
    5.5.5  基於GrabCut的磨粒分割
  本章小結
  習題
第6章  射線檢測的焊縫缺陷識別
  6.1  射線檢測技術
    6.1.1  射線檢測設備
    6.1.2  射線檢測方法
  6.2  射線檢測缺陷成像
    6.2.1  膠片成像
    6.2.2  數字成像
  6.3  焊縫缺陷圖譜
    6.3.1  裂紋
    6.3.2  未熔合
    6.3.3  未焊透
    6.3.4  條形缺陷
    6.3.5  氣孔缺陷

  6.4  焊縫缺陷識別的困難及應對策略
    6.4.1  底片透過亮度較小
    6.4.2  缺陷尺寸較小
    6.4.3  目標邊緣模糊
    6.4.4  雜訊干擾嚴重
    6.4.5  影像變形較大
    6.4.6  面積型缺陷成像差異較大
    6.4.7  重疊缺陷的影像變化複雜
    6.4.8  綜合應對策略
  6.5  基於深度學習的焊縫缺陷識別
    6.5.1  特徵金字塔網路
    6.5.2  數據擴增方法
    6.5.3  基於深度學習的焊縫缺陷識別實驗結果展示
    6.5.4  前端界面
  本章小結
  習題
第7章  嵌入式機器視覺系統開發
  7.1  邊緣計算
  7.2  嵌入式機器視覺開發板
    7.2.1  EAIDK系列開發板
    7.2.2  Atlas開發板
    7.2.3  Jetson開發板
  7.3  MobileNet
    7.3.1  深度可分離卷積
    7.3.2  通道因子與解析度因子
  7.4  SSD演算法
  7.5  嵌入式機器視覺系統開發的過程
    7.5.1  數據收集
    7.5.2  數據標注
    7.5.3  模型訓練
    7.5.4  模型轉換
    7.5.5  模型部署
  本章小結
  習題
第8章  工業數字圖像處理相關工具和平台
  8.1  OpenCV
    8.1.1  OpenCV簡介
    8.1.2  OpenCV代碼實例
  8.2  PyTorch
    8.2.1  數據
    8.2.2  數據操作
    8.2.3  梯度計算
    8.2.4  圖像卷積
    8.2.5  基於LeNet5網路實現對磨粒圖譜分類
  8.3  MindSpore
  本章小結
  習題
附錄  實驗
  實驗1：基於傳統圖像處理方法的邊緣檢測
  實驗2：基於傳統圖像處理方法的圖像分割

  實驗3：基於深度學習的圖像分類
  實驗4：基於深度學習的目標檢測
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032