MATLAB計算機視覺與深度學習實戰 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：本書以案例為基礎，結構布局緊湊，內容深入淺齣，實驗簡捷高效，適閤計算機、信號通信和自動化等相關專業的教師、本科生、研究生，以及廣大從事數字圖像處理的工程研發人員閱讀參考。

《MATLAB計算機視覺與深度學習實戰》詳細講解瞭30個MATLAB計算機視覺與深度學習實戰案例，提供源碼及在綫支持。

幾乎涵蓋瞭數字圖像處理中幾乎所有的基本模塊，並延伸到瞭深度學習的理論及其應用方麵。

適閤計算機、信號通信和自動化等相關專業的教師、本科生、研究生，以及廣大從事數字圖像處理的工程研發人員閱讀參考。

內容簡介

《MATLAB 計算機視覺與深度學習實戰》詳細講解瞭30個 MATLAB 計算機視覺與深度學習案例（含可運行程序），涉及霧霾去噪、答題卡自動閱捲、肺部圖像分割、小波數字水印、圖像檢索、人臉二維碼識彆、車牌定位及識彆、霍夫曼圖像壓縮、手寫數字識彆、英文字符文本識彆、眼前節組織提取、全景圖像拼接、小波圖像融閤、基於語音識彆的音頻信號模擬燈控、路麵裂縫檢測識彆、視頻運動估計追蹤、Simulink 圖像處理、胸片及肝髒分割、基於深度學習的汽車目標檢測、基於計算機視覺的自動駕駛應用、基於深度學習的視覺場景識彆等多項重要技術，涵蓋瞭數字圖像處理中幾乎所有的基本模塊，並延伸到瞭深度學習的理論及其應用方麵。

工欲善其事，必先利其器，《MATLAB 計算機視覺與深度學習實戰》對每個數字圖像處理的知識點都提供瞭豐富生動的案例素材，並詳細講解瞭其 MATLAB 實驗的核心程序，通過對這些示例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，並且更加熟練地掌握 MATLAB 中各種函數在圖像處理領域中的用法。

《MATLAB計算機視覺與深度學習實戰》以案例為基礎，結構布局緊湊，內容深入淺齣，實驗簡捷高效，適閤計算機、信號通信和自動化等相關專業的教師、本科生、研究生，以及廣大從事數字圖像處理的工程研發人員閱讀參考。

作者簡介

　　劉衍琦，碩士，計算機視覺算法工程師，畢業於大連理工大學數學科學學院計算幾何與圖形圖像實驗室。長期從事圖像、聲紋、視頻檢索及其大數據應用，對以圖搜圖、圖文識彆等進行過深入研究並成功應用於工程項目中，曾主編和參與編寫多套書籍。

　　詹福宇，博士，飛行控製算法工程師，畢業於西北工業大學航空學院飛行器設計專業。擁有近10 年 M ATLAB/Sim ulink 開發使用經驗，熟悉 Sim ulink 基於模型設計的流程。於 2008 年創建m atlabsky.com ，編寫教程數百篇，解決問題數萬個，積纍瞭豐富的相關經驗。

　　蔣獻文，碩士，資深專業醫事放射師，畢業於中國醫藥大學醫學院臨床醫學研究所。從事醫學圖像處理、放射綫射影技術、手術房計算機斷層與血管攝影技術，針對臨床放射技術學與圖像處理進行過深入研究並發錶相關醫學論文。

　　周華英，碩士，新能源汽車技術專業講師，畢業於北京交通大學交通運輸規劃與管理專業。長期進行純電動及混閤動力汽車係統建模與控製、汽車動力係統與控製、電動汽車能量管理和控製優化等研究，曾主編和參與編寫多套書籍。

目錄

第 1 章 基於直方圖優化的圖像去霧技術 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 界麵 4

1.3.2 全局直方圖處理 4

1.3.3 局部直方圖處理 7

1.3.4 Retinex 增強處理 9

1.4 延伸閱讀 13

1.5 參考文獻 13

第 2 章 基於 形態學的權重自適應圖像去噪 14

2.1 案例背景 14

2.2 理論基礎 15

2.2.1 圖像去噪方法 15

2.2.2 數學形態學原理 16

2.2.3 權重自適應的多結構形態學去噪 16

2.3 程序實現 17

2.4 延伸閱讀 22

2.5 參考文獻 23

第 3 章 基於多尺度形態學提取眼前節組織 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 多尺度邊緣 28

3.3.2 主處理函數 29

3.3.3 形態學處理 31

3.4 延伸閱讀 33

3.5 參考文獻 33

第 4 章 基於 Hough 變化的答題卡識彆 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

4.4 延伸閱讀 51

4.5 參考文獻 51

第 5 章 基於閾值分割的車牌定位識彆 52

5.1 案例背景 52

5.2 理論基礎 52

5.2.1 車牌圖像處理 53

5.2.2 車牌定位原理 57

5.2.3 車牌字符處理 57

5.2.4 字符識彆 59

5.3 程序實現 61

5.4 延伸閱讀 69

5.5 參考文獻 69

第 6 章 基於分水嶺分割進行肺癌診斷 70

6.1 案例背景 70

6.2 理論基礎 70

6.2.1 模擬浸水的過程 71

6.2.2 模擬降水的過程 71

6.2.3 過度分割問題 71

6.2.4 標記分水嶺分割算法 71

6.3 程序實現 72

6.4 延伸閱讀 77

6.5 參考文獻 78

第 7 章 基於主成分分析的人臉二維碼識彆 79

7.1 案例背景 79

7.2 理論基礎 79

7.2.1 QR 編碼簡介 80

7.2.2 QR 編碼譯碼 82

7.2.3 主成分分析方法 84

7.3 程序實現 86

7.3.1 人臉建庫 86

7.3.2 人臉識彆 87

7.3.3 人臉二維碼 88

7.4 延伸閱讀 93

7.5 參考文獻 93

第 8 章 基於知識庫的手寫體數字識彆 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 特徵提取 95

8.2.3 模式識彆 96

8.3 程序實現 97

8.3.1 圖像處理 97

8.3.2 特徵提取 98

8.3.3 模式識彆 101

8.4 延伸閱讀 102

8.4.1 識彆器選擇 102

8.4.2 提高識彆率 102

8.5 參考文獻 102

第 9 章 基於特徵匹配的英文印刷字符識彆 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 圖像識彆技術 105

9.3 程序實現 106

9.4 延伸閱讀 112

9.5 參考文獻 112

第 10 章 基於不變矩的數字驗證碼識彆 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 界麵· 114

10.3.2 載入驗證碼圖像 115

10.3.3 驗證碼圖像去噪 117

10.3.4 驗證碼數字定位 118

10.3.5 驗證碼歸一化 121

10.3.6 驗證碼數字識彆 122

10.3.7 手動確認並入庫 125

10.3.8 重新生成模闆庫 127

10.4 延伸閱讀 129

10.5 參考文獻 130

第 11 章 基於小波技術進行圖像融閤 131

11.1 案例背景 131

11.2 理論基礎 132

11.3 程序實現 134

11.3.1 GUI 設計 134

11.3.2 圖像載入 135

11.3.3 小波融閤 136

11.4 延伸閱讀 139

11.5 參考文獻 139

第 12 章 基於塊匹配的全景圖像拼接 140

12.1 案例背景 140

12.2 理論基礎 140

12.2.1 圖像匹配 141

12.2.2 圖像融閤 143

12.3 程序實現 144

12.3.1 設計 GUI 144

12.3.2 載入圖片 145

12.3.3 圖像匹配 147

12.3.4 圖像拼接 150

12.4 延伸閱讀 156

12.5 參考文獻 156

第 13 章 基於霍夫曼圖像壓縮重建 157

13.1 案例背景 157

13.2 理論基礎 157

13.2.1 霍夫曼編碼的步驟 158

13.2.2 霍夫曼編碼的特點 158

13.3 程序實現 160

13.3.1 設計 GUI 160

13.3.2 壓縮重構 161

13.3.3 效果對比 166

13.4 延伸閱讀 168

13.5 參考文獻 169

第 14 章 基於主成分分析的圖像壓縮和重建 170

14.1 案例背景 170

14.2 理論基礎 170

14.2.1 主成分降維分析原理 170

14.2.2 由得分矩陣重建樣本 171

14.2.3 主成分分析數據壓縮比 172

14.2.4 基於主成分分析的圖像壓縮 172

14.3 程序實現 173

14.3.1 主成分分析源代碼 173

14.3.2 圖像和樣本間轉換 174

14.3.3 基於主成分分析的圖像壓縮 175

14.4 延伸閱讀 178

14.5 參考文獻 179

第 15 章 基於小波的圖像壓縮技術 180

15.1 案例背景 180

15.2 理論基礎 181

15.3 程序實現 183

15.4 延伸閱讀 191

15.5 參考文獻 191

第 16 章 基於 Hu 不變矩的圖像檢索技術 192

16.1 案例背景 192

16.2 理論基礎 192

16.3 程序實現 194

16.3.1 圖像預處理 194

16.3.2 計算不變矩 194

16.3.3 圖像檢索 196

16.3.4 結果分析 198

16.4 延伸閱讀 201

16.5 參考文獻 202

第 17 章 基於 Harris 的角點特徵檢測 203

17.1 案例背景 203

17.2 理論基礎 204

17.2.1 Harris 基本原理 204

17.2.2 Harris 算法流程 206

17.2.3 Harris 角點性質 206

17.3 程序實現 208

17.3.1 Harris 算法代碼 208

17.3.2 角點檢測實例 209

17.4 延伸閱讀 210

17.5 參考文獻 211

第 18 章 基於 GUI 搭建通用視頻處理工具 212

18.1 案例背景 212

18.2 理論基礎 212

18.3 程序實現 214

18.3.1 GUI 設計 214

18.3.2 GUI 實現 215

18.4 延伸閱讀 226

18.5 參考文獻 226

第 19 章 基於語音識彆的信號燈圖像模擬控製技術 227

19.1 案例背景 227

19.2 理論基礎 227

19.3 程序實現 229

19.4 延伸閱讀 239

19.5 參考文獻 240

第 20 章 基於幀間差法進行視頻目標檢測 241

20.1 案例背景 241

20.2 理論基礎 241

20.2.1 幀間差分法 242

20.2.2 背景差分法 243

20.2.3 光流法 243

20.3 程序實現 244

20.4 延伸閱讀 253

20.5 參考文獻 253

第 21 章 路麵裂縫檢測識彆係統設計 254

21.1 案例背景 254

21.2 理論基礎 254

21.2.1 圖像灰度化 255

21.2.2 圖像濾波 257

21.2.3 圖像增強 259

21.2.4 圖像二值化 260

21.3 程序實現 262

21.4 延伸閱讀 274

21.5 參考文獻 274

第 22 章 基於 K-means 聚類算法的圖像區域分割 275

22.1 案例背景 275

22.2 理論基礎 275

22.2.1 K-means 聚類算法原理 275

22.2.2 K-means 聚類算法的要點 276

22.2.3 K-means 聚類算法的缺點 277

22.2.4 基於 K-means 圖像分割 278

22.3 程序實現 278

22.3.1 樣本之間的巨鹿 278

22.3.2 提取特徵嚮量 279

22.3.3 圖像聚類分割 280

22.4 延伸閱讀 282

22.5 參考文獻 283

第 23 章 基於光流場的交通汽車檢測跟蹤 284

23.1 案例背景 284

23.2 理論基礎 284

23.2.1 光流法檢測運動原理 284

23.2.2 光流的主要計算方法 285

23.2.3 梯度光流場約束方程 287

23.2.4 Horn-Schunck 光流算法 288

23.3 程序實現 290

23.3.1 計算視覺係統工具箱簡介 290

23.3.2 基於光流場檢測汽車運動 291

23.3.3 搭建 Simulink 運動檢測模型 295

23.4 延伸閱讀 297

23.5 參考文獻 298

第 24 章 基於 Simulink 進行圖像和視頻處理 299

24.1 案例背景 299

24.2 模塊介紹 299

24.2.1 分析和增強模塊庫（Analysis & Enhancement）· 300

24.2.2 轉化模塊庫（Conversions） 301

24.2.3 濾波 3 模塊庫（Filtering） 301

24.2.4 幾何變換模塊庫（Geometric Transformations） 302

24.2.5 形態學操作模塊庫（Morphological Operations） 302

24.2.6 輸入模塊庫（Sources） 303

24.2.7 輸齣模塊庫（Sinks）· 303

24.2.8 統計模塊庫（Statistics） 304

24.2.9 文本和圖形模塊庫（Text & Graphic）· 304

24.2.10 變換模塊庫（Transforms） 305

24.2.11 其他工具模塊庫（Utilities） 305

24.3 仿真案例 306

24.3.1 搭建組織模型 306

24.3.2 仿真執行模型 308

24.3.3 代碼自動生成 309

24.4 延伸閱讀 314

24.5 參考文獻 316

第 25 章 基於小波變換的數字水印技術 317

25.1 案例背景 317

25.2 理論基礎 317

25.2.1 數字水印技術原理 318

25.2.2 典型的數字水印算法 320

25.2.3 數字水印攻擊和評價 322

25.2.4 基於小波的水印技術 323

25.3 程序實現 326

25.3.1 準備載體和水印圖像 326

25.3.2 小波數字水印的嵌入 327

25.3.3 小波數字水印的提取 331

25.3.4 小波水印的攻擊試驗 333

25.4 延伸閱讀 337

25.5 參考文獻 337

第 26 章 基於最小誤差法的胸片分割 339

26.1 案例背景 339

26.2 理論基礎 339

26.2.1 圖像增強 340

26.2.2 區域選擇 340

26.2.3 形態學濾波 341

26.2.4 最小誤差法胸片分割 342

26.3 程序實現 343

26.3.1 設計 GUI 界麵· 343

26.3.2 圖像預處理 344

26.3.3 最小誤差法分割 348

26.3.4 形態學後處理 350

26.4 延伸閱讀 353

26.5 參考文獻 353

第 27 章 基於區域生長的肝髒影像分割係統 354

27.1 案例背景 354

27.2 理論基礎 355

27.2.1 閾值分割 355

27.2.2 區域生長 355

27.2.3 基於閾值預分割的區域生長 356

27.3 程序實現 357

27.4 延伸閱讀 361

27.5 參考文獻 361

第 28 章 基於深度學習的汽車目標檢測 362

28.1 案例背景 362

28.2 理論基礎 363

28.2.1 基本架構 363

28.2.2 捲積層 363

28.2.3 池化層 365

28.3 程序實現 365

28.3.1 加載數據 365

28.3.2 構建 CNN 網絡 367

28.3.3 訓練 CNN 網絡 MATLAB計算機視覺與深度學習實戰 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

乾活不少！有的學瞭。

評分☆☆☆☆☆

給實驗室買的，包裝很好，是正品，物流超級快，內容還沒來得及看。

評分☆☆☆☆☆

這本書將代碼講解融入實際的案例中，相比其他基礎書籍更加生動形象，很不錯的一本書。

評分☆☆☆☆☆

作為一個機器視覺小白，幫助很大

評分☆☆☆☆☆

很快，服務很好，書很好意義值得一看。正好趕上打摺！

評分☆☆☆☆☆

工作學習需要，剛開始看

評分☆☆☆☆☆

做活動買的，很劃算，省瞭好多錢

評分☆☆☆☆☆

內容很豐富，有理論，有代碼，學習起來事半功倍！

評分☆☆☆☆☆

很多案例，實用性好。

類似圖書 點擊查看全場最低價