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

圖像處理與機器視覺(新一代信息技術人工智慧戰略性新興領域十四五高等教育系列教材)

  • 作者：編者:劉坤//陳海永|責編:吉玲
  • 出版社：機械工業
  • ISBN：9787111767756
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：335
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    圖像處理與機器視覺主要研究如何從圖像中進行視覺感知、分析和理解。大數據時代的到來、人工智慧演算法的進步、硬體技術的發展以及前沿應用的牽引，正推動著圖像處理與機器視覺技術的飛速發展。本書從底層視覺中的數字圖像處理方法、中層視覺中的圖像特徵提取與匹配、高層視覺中的立體視覺與圖像理解等角度出發，以二維圖像分析和三維場景感知為主要目標，闡述了圖像處理與機器視覺領域的經典方法與前沿應用。本書共12章，主要內容為：緒論，數字圖像處理基礎，空域圖像處理及應用，頻域圖像處理及應用，形態學圖像處理及應用，彩色圖像處理及應用，圖像特徵檢測，圖像特徵提取與描述，圖像特徵匹配，視覺系統構建，立體視覺與三維重建，圖像分類、檢測與分割。本書配有以下教學資源：電子課件、習題參考答案、教學大綱等。同時，為了增強圖像處理方法理論與實踐的黏合度，本書還引入關於經典演算法與典型應用的程序案例。
    本書可作為普通高等院校人工智慧、智能科學與技術、電子信息、電腦、自動化、物聯網、機電一體化、生物工程等專業的本科教材和研究生入門教材，也可供廣大從事圖像處理與機器視覺工作的工程技術人員參考。
作者介紹
編者:劉坤//陳海永|責編:吉玲
目錄
前言
  第1章  緒論——圖像處理與機器視覺的前世今生
    引言
    1.1  技術的起源與發展
    1.2  背後的理論體系
    1.3  光譜家族及其應用領域
      1.3.1  γ射線成像
      1.3.2  X射線成像
      1.3.3  紫外線成像
      1.3.4  可見光成像
      1.3.5  紅外線成像
      1.3.6  微波成像
      1.3.7  無線電波成像
      1.3.8  其他成像方式
    1.4  狹義的數字圖像處理——從圖像到圖像
      1.4.1  圖像增強
      1.4.2  圖像複原
      1.4.3  圖像去噪
    1.5  廣義的數字圖像處理——從圖像到理解
      1.5.1  圖像分類
      1.5.2  目標檢測
      1.5.3  圖像分割
    本章小結
    參考文獻
第1篇  底層視覺：數字圖像處理方法
  第2章  數字圖像處理基礎——人工智慧的敲門磚
    引言
    2.1  圖像的定義
    2.2  圖像的獲取
    2.3  圖像的數字化
      2.3.1  圖像的採樣
      2.3.2  圖像的量化
    2.4  數字圖像的表示與屬性
      2.4.1  圖像的表示
      2.4.2  圖像的數據類型
      2.4.3  圖像的類型
    2.5  數字圖像中像素的表示與分析
      2.5.1  相鄰像素
      2.5.2  鄰接性、連通性、區域和邊界
    本章小結
    思考題與習題
    參考文獻
  第3章  空域圖像處理及應用——圖像質量的提升
    引言
    3.1  基於灰度變換的圖像增強
      3.1.1  線性變換
      3.1.2  分段線性變換
      3.1.3  非線性變換
    3.2  基於直方圖處理的圖像增強
      3.2.1  直方圖基本概念

      3.2.2  直方圖均衡化
      3.2.3  直方圖規定化
    3.3  基於空域濾波的圖像增強與圖像去噪
      3.3.1  雜訊模型
      3.3.2  相關和卷積
      3.3.3  線性空間濾波
      3.3.4  非線性統計排序濾波器
    3.4  空域圖像處理的典型應用
      3.4.1  基於直方圖處理的圖像增強
      3.4.2  基於空域濾波處理的圖像平滑與去噪
      3.4.3  圖像去霧
      3.4.4  圖像超解析度重建
    本章小結
    思考題與習題
    參考文獻
  第4章  頻域圖像處理及應用——圖像增強與圖像複原
    引言
    4.1  基礎知識
      4.1.1  傅里葉級數與傅里葉變換
      4.1.2  卷積與卷積定理
      4.1.3  單位離散衝激信號與衝激序列
      4.1.4  取樣及取樣函數的傅里葉變換
      4.1.5  一維變數的離散傅里葉變換
      4.1.6  二維變數的離散傅里葉變換
      4.1.7  二維DFT的性質
    4.2  基於頻域濾波的數字圖像處理基本框架
      4.2.1  頻域濾波基礎
      4.2.2  頻域濾波步驟
      4.2.3  空域與頻域濾波間的對應關係
    4.3  低通濾波器
      4.3.1  理想低通濾波器
      4.3.2  巴特沃思低通濾波器
      4.3.3  高斯低通濾波器
    4.4  高通濾波器
      4.4.1  理想高通濾波器
      4.4.2  巴特沃思高通濾波器
      4.4.3  高斯高通濾波器
    4.5  帶通濾波器與帶阻濾波器
      4.5.1  帶通和帶阻濾波器
      4.5.2  陷波濾波器
    4.6  同態濾波
    4.7  基於退化函數估計的圖像複原
      4.7.1  線性、位置不變的退化
      4.7.2  估計退化函數
      4.7.3  逆濾波
      4.7.4  維納濾波
    4.8  頻域圖像處理的典型應用
      4.8.1  基於頻域濾波器的圖像去噪
      4.8.2  基於頻域濾波的背景抑制與目標檢測
      4.8.3  圖像去模糊

    本章小結
    思考題與習題
    參考文獻
  第5章  形態學圖像處理及應用——圖像目標形狀分析的便捷工具
    引言
    5.1  預備知識
      5.1.1  元素和集合
      5.1.2  反射和平移
      5.1.3  結構元
    5.2  腐蝕和膨脹
      5.2.1  腐蝕操作
      5.2.2  膨脹操作
    5.3  開操作與閉操作
      5.3.1  開操作
      5.3.2  閉操作
    5.4  擊中變換和擊不中變換
    5.5  灰度級形態學處理
      5.5.1  灰值腐蝕
      5.5.2  灰值膨脹
      5.5.3  灰值開、閉運算
      5.5.4  頂帽變換與底帽變換
    5.6  形態學圖像處理的典型應用
      5.6.1  孔洞填充
      5.6.2  細化
      5.6.3  骨架提取
      5.6.4  基於形態學處理的花生計數
      5.6.5  基於形態學處理的車牌識別
    本章小結
    思考題與習題
    參考文獻
  第6章  彩色圖像處理及應用——更加豐富多彩的圖像世界
    引言
    6.1  彩色圖像模型
      6.1.1  RGB彩色模型
      6.1.2  HSI彩色模型
      6.1.3  CMY和CMYK彩色模型
      6.1.4  彩色模型之間的轉換
    6.2  偽彩色圖像處理
      6.2.1  灰度分層技術
      6.2.2  灰度到彩色的映射
    6.3  全彩色圖像處理
      6.3.1  全彩色圖像處理基礎
      6.3.2  彩色圖像增強
      6.3.3  彩色圖像分割
    6.4  彩色圖像處理的典型應用
      6.4.1  彩色圖像的直方圖調整
      6.4.2  彩色圖像的平滑與銳化操作
      6.4.3  人臉檢測
      6.4.4  交通燈識別
    本章小結

    思考題與習題
    參考文獻
第2篇  中層視覺：圖像特徵分析
  第7章  圖像特徵檢測——挖掘圖像中的重要信息
    引言
    7.1  基於閾值處理的像素點檢測
      7.1.1  基礎知識
      7.1.2  基本的全局化閾值處理
      7.1.3  Otsu閾值化處理
      7.1.4  局部閾值處理
    7.2  角點檢測
      7.2.1  孤立點檢測
      7.2.2  Harris角點檢測
    7.3  邊緣檢測
      7.3.1  一階邊緣檢測模型
      7.3.2  二階邊緣檢測模型
      7.3.3  基於Hough變換的邊緣檢測
    7.4  尺度檢測
      7.4.1  Blob特徵檢測
      7.4.2  SIFT特徵檢測
    7.5  特徵檢測的典型應用
      7.5.1  Harris角點檢測示例
      7.5.2  基於Hough變換的車道線檢測
    本章小結
    思考題與習題
    參考文獻
  第8章  圖像特徵提取與描述——區分圖像或目標的關鍵
    引言
    8.1  顏色特徵提取
      8.1.1  顏色直方圖
      8.1.2  顏色集
      8.1.3  顏色相關圖
      8.1.4  顏色矩
    8.2  形狀特徵提取
      8.2.1  簡單形狀特徵
      8.2.2  傅里葉描述符
      8.2.3  形狀無關矩
    8.3  紋理特徵提取
      8.3.1  LBP特徵描述子
      8.3.2  SIFT特徵描述子
      8.3.3  HOG特徵描述子
      8.3.4  SURF特徵描述子
    本章小結
    思考題與習題
    參考文獻
  第9章  圖像特徵匹配——圖像間細節信息的關聯
    引言
    9.1  基礎匹配
      9.1.1  特徵匹配的策略
      9.1.2  特徵匹配的評價標準

      9.1.3  暴力匹配
      9.1.4  KD-樹匹配
    9.2  RANSAC演算法
      9.2.1  RANSAC演算法的基本原理
      9.2.2  RANSAC演算法的優點和局限性
    9.3  典型應用及相關程序
      9.3.1  暴力匹配示例
      9.3.2  KD-樹匹配示例
      9.3.3  基於RANSAC演算法的匹配示例
    本章小結
    思考題與習題
    參考文獻
第3篇  高層視覺：立體視覺與圖像理解
  第10章  視覺系統構建——三維場景與二維圖像的聯繫
    引言
    10.1  視覺成像模型
      10.1.1  針孔模型
      10.1.2  薄透鏡模型
      10.1.3  透視投影模型
    10.2  視覺系統硬體選型
      10.2.1  視覺系統的硬體構成
      10.2.2  視覺系統的選型過程
    10.3  視覺系統標定
      10.3.1  常用的標定方法
      10.3.2  張正友標定方法
    本章小結
    思考題與習題
    參考文獻
  第11章  立體視覺與三維重建——將二維圖像映射到三維空間
    引言
    11.1  立體視覺系統
      11.1.1  平視雙目視覺系統
      11.1.2  一般立體視覺系統
      11.1.3  立體視覺系統標定
    11.2  極線幾何與立體匹配
      11.2.1  極線幾何理論
      11.2.2  立體匹配過程
    11.3  點雲處理基礎
      11.3.1  點雲數據表示與結構
      11.3.2  點雲數據預處理
      11.3.3  點雲配准與坐標變換
    11.4  平視雙目視覺系統典型應用
    本章小結
    思考題與習題
    參考文獻
  第12章  圖像分類、檢測與分割——對真實世界的認知與理解
    引言
    12.1  圖像分類
      12.1.1  卷積神經網路
      12.1.2  深度卷積神經網路（AlexNet）

      12.1.3  殘差網路（ResNet）
      12.1.4  圖像分類演算法應用場景舉例
    12.2  目標檢測
      12.2.1  兩階段目標檢測演算法
      12.2.2  單階段目標檢測演算法
      12.2.3  目標檢測演算法應用場景舉例
    12.3  圖像分割
      12.3.1  U-Net模型
      12.3.2  U-Net++模型
      12.3.3  圖像分割演算法應用場景舉例
    本章小結
    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