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

智能交通數字圖像處理技術(普通高等教育交通運輸類專業系列教材)/新能源與智能網聯汽車新技術系列叢書

  • 作者：編者:陳昕|責編:宋學敏//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111770183
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：222
人民幣：RMB 46 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是「十四五」時期國家重點出版物出版專項規劃項目。
    本書以滿足智能交通領域對數字圖像處理技術的需求為宗旨，採用數字圖像處理理論知識、演算法講解與Python編程相結合的方法，突出在智能交通領域的應用，具有較強的實用性。本書共12章，包括基礎和應用兩部分：基礎部分為第1?8章，涵蓋數字圖像處理技術的基礎知識和理論演算法，主要內容有緒論、圖像處理基礎、傅里葉變換與圖像卷積、圖像增強、圖像複原、形態學圖像處理、圖像分割、圖像特徵提取；應用部分為第9?12章，是數字圖像處理技術在智能交通領域的應用實例，主要內容有車牌識別、道路交通標誌檢測與識別、車道線檢測與識別、行人目標檢測。
    本書既可作為高等院校智能交通和智能車輛工程等專業的圖像處理相關課程教材，也可作為從事智能交通領域圖像研究和應用的工程技術人員的參考讀物。
作者介紹
編者:陳昕|責編:宋學敏//趙曉峰
目錄
前言
第1章  緒論
  1.1  數字圖像
    1.1.1  數字圖像的基本概念及分類
    1.1.2  數字圖像的基本特點
  1.2  數字圖像處理的目的和主要研究內容
    1.2.1  數字圖像處理的目的
    1.2.2  數字圖像處理的主要研究內容
  1.3  Python數字圖像處理庫
    1.3.1  基於Python開發的數字圖像處理包
    1.3.2  OpenCV-Python
  1.4  數字圖像處理技術在智能交通中的應用
    1.4.1  交通信息採集
    1.4.2  圖像檢測與識別
  習題
第2章  圖像處理基礎
  2.1  圖像數字化
    2.1.1  圖像採樣和量化
    2.1.2  空間和灰度級解析度
    2.1.3  數字圖像的表示
    2.1.4  像素間的關係
  2.2  圖像數據結構
    2.2.1  二維數組存儲數字圖像
    2.2.2  顏色模型
    2.2.3  圖像通道模式
  2.3  圖像文件格式
    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  簡單圖像處理編程實現
    2.4.1  圖像讀取
    2.4.2  彩色圖像通道拆分
    2.4.3  使用切片進行圖像處理
    2.4.4  灰度圖像二值化處理
    2.4.5  顯示不同圖像模式
  習題
第3章  傅里葉變換與圖像卷積
  3.1  傅里葉變換
    3.1.1  傅里葉級數與變換
    3.1.2  一維離散傅里葉變換
    3.1.3  二維離散傅里葉變換
    3.1.4  圖像的離散傅里葉變換
  3.2  圖像卷積
    3.2.1  圖像卷積的概念
    3.2.2  卷積定理
    3.2.3  數字圖像卷積操作
  習題
第4章  圖像增強

  4.1  概述
  4.2  直接灰度變換
    4.2.1  灰度線性變換
    4.2.2  圖像反轉
    4.2.3  對數變換
    4.2.4  冪律變換
  4.3  直方圖修正
    4.3.1  灰度直方圖的含義
    4.3.2  對比度拉伸
    4.3.3  直方圖均衡化
    4.3.4  直方圖規定化
  4.4  圖像平滑
    4.4.1  鄰域平均法
    4.4.2  中值濾波法
    4.4.3  頻域低通濾波法
  4.5  圖像銳化
    4.5.1  微分法
    4.5.2  高通濾波法
  習題
第5章  圖像複原
  5.1  圖像複原的基本概念
  5.2  圖像退化模型
    5.2.1  連續的退化模型
    5.2.2  離散的退化模型
  5.3  圖像複原方法
    5.3.1  反向濾波法
    5.3.2  約束還原法
  習題
第6章  形態學圖像處理
  6.1  腐蝕和膨脹
    6.1.1  腐蝕
    6.1.2  膨脹
  6.2  開運算和閉運算
    6.2.1  開運算
    6.2.2  閉運算
  6.3  形態學圖像處理交通領域編程實現
    6.3.1  利用開、閉運算實現斑馬線清洗
    6.3.2  形態學對比度增強
  習題
第7章  圖像分割
  7.1  閾值分割
    7.1.1  基於閾值的二值化
    7.1.2  Otsu分割
  7.2  邊緣檢測
    7.2.1  基於梯度方法和零點交叉方法的邊緣檢測
    7.2.2  基於邊緣連接的邊緣檢測
  7.3  Hough變換
    7.3.1  Hough變換原理
    7.3.2  圖像Hough變換操作
  7.4  區域分割

    7.4.1  區域生長
    7.4.2  分裂合併
    7.4.3  分水嶺分割
  習題
第8章  圖像特徵提取
  8.1  圖像特徵檢測器與描述符
    8.1.1  特徵檢測器與描述符
    8.1.2  Harris角點檢測
  8.2  圖像特徵提取方法
    8.2.1  方向梯度直方圖（HOG）特徵提取
    8.2.2  尺度不變特徵變換（SIFT）特徵提取
  8.3  圖像匹配
    8.3.1  ORB特徵檢測和暴力匹配
    8.3.2  FLANN匹配
  習題
第9章  交通應用實例——車牌識別
  9.1  車牌識別研究現狀
  9.2  數字圖像處理車牌識別
    9.2.1  車牌圖像預處理
    9.2.2  車牌定位
    9.2.3  字元分割
    9.2.4  字元識別
  9.3  數字圖像處理車牌識別編程實現
  習題
第10章  交通應用實例——道路交通標誌檢測與識別
  10.1  道路交通標誌圖像處理檢測與識別研究現狀
    10.1.1  國外研究現狀
    10.1.2  國內研究現狀
    10.1.3  交通標誌識別系統與數據集
  10.2  道路交通標誌檢測與識別方法
    10.2.1  檢測方法
    10.2.2  識別方法
  10.3  交通標誌檢測與識別編程實現
  習題
第11章  交通應用實例——車道線檢測與識別
  11.1  車道線檢測與識別概述
  11.2  車道線檢測演算法
    11.2.1  基於模型的檢測演算法
    11.2.2  基於特徵的檢測演算法
    11.2.3  基於深度學習的車道線檢測
  11.3  基於OpenCV的車道線檢測編程實現
  習題
第12章  交通應用實例——行人目標檢測
  12.1  行人目標檢測概述
  12.2  行人目標檢測演算法
    12.2.1  單特徵的行人目標檢測演算法
    12.2.2  多特徵的行人目標檢測演算法
  12.3  基於Haar特徵的行人檢測Python實現
    12.3.1  基於Haar特徵的行人檢測
    12.3.2  Python編程實現

  12.4  基於HOG+SVM的行人目標檢測Python實現
    12.4.1  演算法步驟
    12.4.2  Python編程實現
  習題
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