电视剧大全在线免费观看,亚洲αv在线精品糸列,精品一区二区三区视频在线观看

本書共分12章，第1章為緒論。第2章為數(shù)字圖像的獲取，主要針對圖像采集裝置進(jìn)行介紹，包括相機(jī)、鏡頭、光源等硬件設(shè)施。第3章為數(shù)字圖像預(yù)處理，包括圖像變換、圖像增強(qiáng)及數(shù)字形態(tài)學(xué)在預(yù)處理中的應(yīng)用。第4章為圖像分割技術(shù)，對Hough變換、區(qū)域分割等不同的邊緣檢測和圖像分割算法的應(yīng)用及特點進(jìn)行總結(jié)。第5章為圖像特征提取與選擇，包括顏色特征和幾何特征的提取方法、基于主成分分析和Fisher變化的特征選擇方法。第6章為圖像匹配，利用基于灰度和特征的匹配算法尋找與模板對應(yīng)的圖像區(qū)域。第7章是圖像智能識別，對聚類識別、神經(jīng)網(wǎng)絡(luò)識別、支持向量機(jī)、模糊識別理論和實現(xiàn)方法進(jìn)行了詳細(xì)的講解。第8至12章為數(shù)字圖像案例，案例內(nèi)容包括車牌識別、多氣泡上升軌跡跟蹤、人臉識別和圖像三維識別、燈腳質(zhì)量檢測等。本書第3至7章為數(shù)字圖像處理的基本處理方法，對本書中涉及的數(shù)字圖像處理算法進(jìn)行了清晰明了的描述，并詳細(xì)描述了其實現(xiàn)過程，配有相應(yīng)的程序代碼，使讀者（學(xué)生）容易理解所講內(nèi)容的原理、理論知識。第8至12章主要是數(shù)字圖像處理技術(shù)在實際工程問題中的應(yīng)用，對問題的研究背景、設(shè)計方案、解決方法、實現(xiàn)過程及代碼實現(xiàn)進(jìn)行了細(xì)致的闡述。在案例的程序設(shè)計方面，采用MATLAB或OpenCV(C++)語言實現(xiàn)，加強(qiáng)學(xué)生程序編寫、算法實現(xiàn)的能力，從而提升其在數(shù)字圖像處理方面的軟件開發(fā)能力。本書總結(jié)了圖像領(lǐng)域先進(jìn)理論和算法，對工程應(yīng)用系統(tǒng)的綜合分析很有借鑒意義�？勺鳛橥ㄐ排c信息工程、電子科學(xué)與技術(shù)、計算機(jī)科學(xué)與技術(shù)、控制科學(xué)與工程等相關(guān)專業(yè)教材及參考用書，也可供從事圖像處理、分析和識別等相關(guān)領(lǐng)域的科技工作者和工程技術(shù)人員參考。

　　進(jìn)入21世紀(jì)，隨著計算機(jī)技術(shù)和人工智能和思維科學(xué)研究的迅速發(fā)展，圖像處理正向著高速、高分辨率、立體化、多媒體化、智能化和標(biāo)準(zhǔn)化的方向發(fā)展。在圖像通信、辦公自動化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領(lǐng)域具有非常廣泛的應(yīng)用，并且出現(xiàn)了眾多的圖像處理理論和算法（小波分析、分形理論、形態(tài)學(xué)理論、遺傳算法、神經(jīng)網(wǎng)絡(luò)等）。數(shù)字圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，從事數(shù)字圖像處理領(lǐng)域的人才也受到企業(yè)、研究所、高校等單位的重視。

　　數(shù)字圖像處理涉及信號處理、模式識別、人工智能和光電子學(xué)等領(lǐng)域，是一門交叉學(xué)科，具有很強(qiáng)的專業(yè)性。由于數(shù)字圖像是一門快速發(fā)展的學(xué)科，因此最近幾年來的研究成果在一些優(yōu)秀教材中體現(xiàn)的不是特別充分，尤其對工程應(yīng)用的關(guān)注度不夠。因此，建設(shè)理論與工程應(yīng)用相結(jié)合的數(shù)字圖像處理教材，對解決工程研究問題的重要性不言而喻。本書體現(xiàn)了作者多年來在數(shù)字圖像處理領(lǐng)域的科研和教學(xué)成果，是一本面向控制工程專業(yè)本科及研究生的教材，教材包含經(jīng)典和最新的數(shù)字圖像處理案例，能夠為教學(xué)提供豐富可靠的工程應(yīng)用經(jīng)驗，有利于加強(qiáng)工程實際應(yīng)用的理論和知識的學(xué)習(xí)。

　　本書第3至7章中涉及的圖像處理方法都配有詳細(xì)分析過程及程序?qū)崿F(xiàn)代碼。第8至12章以工程應(yīng)用案例分析為中心，對工程實踐中的實際問題進(jìn)行理論分析、特征歸納、給出解決方案，并配備相應(yīng)的程序源代碼及執(zhí)行效果展示�？朔艘酝滩闹袘�(yīng)用案例解決方案不完善，解決問題思路不清晰，脫離工程實際等缺陷。從工程實用角度出發(fā)，針對圖像復(fù)雜工程領(lǐng)域中的實際問題，分析其研究背景，剖析解決方案，細(xì)化解決問題的過程，每個關(guān)鍵步驟均配有程序代碼及運行效果展示，深化學(xué)習(xí)者對圖像處理算法的理解，有助于增強(qiáng)讀者對圖像處理方法應(yīng)用的掌握。

　　本書由天津工業(yè)大學(xué)宋麗梅教授和王紅一任主編，天津工業(yè)大學(xué)李金義和天津職業(yè)技術(shù)師范大學(xué)楊燕罡任副主編，天津工業(yè)大學(xué)林文偉、茹愿、李欣遙、郭素青、王佳炎、高艷艷等參與了編寫工作。其中，第1章由宋麗梅和王紅一編寫，第2章由李金義、楊燕罡和王佳炎編寫，第3章由李金義和郭素青編寫，第4章由宋麗梅和李欣遙編寫，第5章由王紅一和茹愿編寫，第6章由王紅一、李金義和郭素青編寫，第7章由王紅一、李金義和林文偉編寫，第8章由王紅一、李金義和林文偉編寫，第9章由王紅一和李金義編寫，第10章由宋麗梅和王紅一編寫，第11章由王紅一、茹愿和高艷艷編寫，第12章由楊燕罡、李欣遙和王佳炎編寫。

　　本書編著得到了全國工程教指委優(yōu)秀教材建設(shè)立項支持。

　　由于作者水平有限，書中難免存在不妥之處，敬請讀者批評指正。

目錄前言第1章數(shù)字圖像處理概述 1.1數(shù)字圖像的基本概念 1.1.1圖像 1.1.2數(shù)字圖像及其存儲方式 1.1.3數(shù)字圖像的分類 1.1.4數(shù)字圖像處理系統(tǒng) 1.2數(shù)字圖像處理發(fā)展史及發(fā)展趨勢 1.3數(shù)字圖像處理的特點 1.4數(shù)字圖像處理的工程應(yīng)用 1.5數(shù)字圖像處理的主要內(nèi)容【課后習(xí)題】第2章圖像采集 2.1照明 2.1.1光源類型 2.1.2照明方式 2.1.3選擇合適的照明光源及照明方式 2.2鏡頭 2.2.1鏡頭的基本常識 2.2.2鏡頭的類型 2.2.3選擇合適的鏡頭 2.3相機(jī) 2.4相機(jī)接口技術(shù) 【課后習(xí)題】第3章圖像預(yù)處理技術(shù) 3.1圖像的灰度變換 3.1.1線性變化 3.1.2分段線性變換 3.1.3灰度對數(shù)變換 3.1.4直方圖均衡化 3.2圖像的幾何變換 3.2.1平移 3.2.2旋轉(zhuǎn) 3.2.3比例放縮 3.2.4鏡像 3.2.5插值 3.3圖像增強(qiáng) 3.3.1均值濾波 3.3.2中值濾波 3.3.3對比度增強(qiáng) 3.3.4小波去噪 3.4形態(tài)學(xué)處理 3.4.1腐蝕 3.4.2膨脹 3.4.3開運算 3.4.4閉運算 3.4.5細(xì)化 3.4.6填充【課后習(xí)題】第4章圖像分割技術(shù) 4.1邊緣檢測 4.1.1Roberts邊緣算子 4.1.2Sobel邊緣算子 4.1.3Prewitt邊緣算子 4.1.4Laplacian邊緣算子 4.1.5LoG邊緣算子 4.1.6Canny邊緣算子 4.1.7邊緣檢測算子的MATLAB實現(xiàn) 4.2Hough變換 4.2.1Hough變換概述 4.2.2基于Hough變換的直線檢測 4.2.3基于Hough變換的曲線檢測 4.3閾值分割 4.3.1閾值分割的基本原理 4.3.2閾值分割方法的分類 4.3.3極小值點閾值法 4.3.4最小均方誤差法 4.3.5迭代選擇閾值法 4.3.6雙峰法 4.3.7最大類間方差法 4.4基于區(qū)域的圖像分割 4.4.1區(qū)域生長算法 4.4.2區(qū)域分裂合并算法【課后習(xí)題】第5章圖像特征提取與選擇 5.1顏色特征 5.1.1顏色直方圖 5.1.2顏色集 5.1.3顏色矩 5.1.4顏色聚合向量 5.1.5顏色相關(guān)圖 5.2基于灰度共生矩陣的紋理特征構(gòu)建 5.2.1灰度共生矩陣的定義 5.2.2基于灰度共生矩陣的紋理特征 5.2.3基于灰度-梯度共生矩陣的紋理特征構(gòu)建 5.3幾何特征 5.3.1位置 5.3.2方向 5.3.3周長 5.3.4面積 5.4基于主成分分析的特征選擇 5.5基于Fisher線性判據(jù)的特征選擇【課后習(xí)題】第6章圖像匹配 6.1模板匹配旳概念 6.2基于灰度相關(guān)的模板匹配 6.2.1MAD算法 6.2.2SAD算法 6.2.3SSD算法 6.2.4NCC算法 6.2.5SSDA算法 6.2.6SATD算法 6.3基于灰度值的亞像素精度匹配 6.4使用空間金字塔進(jìn)行匹配 6.4.1空間金字塔的表示方法 6.4.2空間金字塔匹配的基本原理 6.4.3空間金字塔匹配算法實現(xiàn) 6.5帶旋轉(zhuǎn)與縮放的模板匹配 6.5.1高斯尺度空間的極值檢測 6.5.2特征點位置的確定 6.5.3特征點方向的確定 6.5.4特征點描述子生成 6.5.5SIFT特征向量的匹配【課后習(xí)題】第7章圖像智能識別方法 7.1聚類識別 7.1.1聚類算法主要思想 7.1.2K-Means聚類算法理論基礎(chǔ) 7.1.3聚類算法的MATLAB實現(xiàn) 7.2神經(jīng)網(wǎng)絡(luò)識別 7.2.1人工神經(jīng)網(wǎng)絡(luò)的主要思想 7.2.2BP神經(jīng)網(wǎng)絡(luò)算法的理論基礎(chǔ) 7.2.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的MATLAB實現(xiàn) 7.3支持向量機(jī)識別 7.3.1支持向量機(jī)的分類思想 7.3.2SVM的基本理論 7.3.3SVM算法的MATLAB實現(xiàn) 7.4模糊識別 7.4.1模糊圖像識別的設(shè)計思想 7.4.2貼近度與模糊度 7.4.3最大隸屬原則與擇近原則 7.4.4模糊算法的MATLAB實現(xiàn) 【課后習(xí)題】第8章工程應(yīng)用：車牌識別 8.1牌照定位 8.2牌照區(qū)域的分割 8.3字符分割與歸一化 8.4字符細(xì)化 8.5字符的識別第9章工程應(yīng)用：多氣泡上升軌跡跟蹤 9.1氣泡圖像的預(yù)處理 9.2氣泡運動軌跡跟蹤方法 9.2.1基于互相關(guān)匹配的目標(biāo)跟蹤 9.2.2基于Mean-Shift算法的目標(biāo)跟蹤第10章工程應(yīng)用：人臉識別 10.1ORL人臉數(shù)據(jù)庫簡介 10.2基于PCA的人臉圖像的特征提取 10.3人臉圖像識別方法 10.3.1k-近鄰算法 10.3.2BP神經(jīng)網(wǎng)絡(luò)法 10.3.3基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類 10.3.4實驗的結(jié)果 10.4簡單實例第11章工程應(yīng)用：基于SURF特征點匹配的圖像三維識別 11.1圖像三維識別系統(tǒng)的方案設(shè)計 11.2圖像三維識別過程 11.2.1三維圖像預(yù)處理 11.2.2基于SURF算法的特征點匹配 11.2.3最優(yōu)匹配點的提取 11.2.4圖像三維坐標(biāo)的計算 11.2.5圖像三維識別 11.3基于SURF特征點匹配的圖像三維識別的OpenCV完整代碼第12章工程應(yīng)用：基于OpenCV的燈腳質(zhì)量檢測 12.1燈腳質(zhì)量檢測的方案設(shè)計 12.2燈腳質(zhì)量檢測過程 12.2.1相機(jī)標(biāo)定 12.2.2燈腳圖像檢測 12.2.3燈腳檢測界面及結(jié)果分析附錄顏色集參考文獻(xiàn)

你還可能感興趣

我要評論