![](/c49/99/10029240442915.jpg)
出版社:電子工業出版社 ISBN:9787121374838 商品編碼:10029240442915 包裝:平裝 出版時間:2019-11-01 代碼:109 作者:劉衍琦,詹福宇等
"基本信息 書名:計算機視覺與深度學習實戰:以MATLAB、Python為工具 代碼: 作者:劉衍琦,詹福宇等 著 出版社:電子工業出版社 出版日期:2019-11-01 ISBN:9787121374838 字數: 頁碼: 版次: 裝幀:平裝 開本:16開 商品重量: 編輯推薦
本書詳細講解了36個計算機視覺與深度學習實戰案例(含可運行程序),涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數字水印、圖像檢索、人臉識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數字識別、英文字符文本識別、眼前節組織提取、全景圖像拼接、小波圖像融合、基於語音識別的音頻信號模擬燈控、路面裂縫檢測識別、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別、基於深度特征的以圖搜畫、基於N的字符識別、基於N的物體識別、基於N的圖像矯正、基於LSTM的時間序列分析、基於深度學習的以圖搜圖技術、基於YOLO的智能交通目標檢測等多項重要技術及應用
本書涵蓋了數字圖像處理中幾乎所有的基本模塊,並延伸到了深度學習理論及其應用方面。本書對每個數字圖像處理的知識點都提供了豐富、生動的案例素材,並以MATLAB、Python為工具詳細講解了實驗的核心程序。
通過對這些程序的閱讀、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計算機視覺及深度學習在不同實際領域中的用法。
內容提要
本書詳細講解了36個計算機視覺與深度學習實戰案例(含可運行程序),涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數字水印、圖像檢索、人臉識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數字識別、英文字符文本識別、眼前節組織提取、全景圖像拼接、小波圖像融合、基於語音識別的音頻信號模擬燈控、路面裂縫檢測識別、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別、基於深度特征的以圖搜畫、基於N的字符識別、基於N的物體識別、基於N的圖像矯正、基於LSTM的時間序列分析、基於深度學習的以圖搜圖技術、基於YOLO的智能交通目標檢測等多項重要技術及應用,涵蓋了數字圖像處理中幾乎所有的基本模塊,並延伸到了深度學習理論及其應用方面。
工欲善其事,必先利其器,本書對每個數字圖像處理的知識點都提供了豐富、生動的案例素材,並以MATLAB、Python為工具詳細講解了實驗的核心程序。通過對這些程序的閱讀、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計算機視覺及深度學習在不同實際領域中的用法。
本書以案例為基礎,結構布局緊湊,內容深入淺出,實驗簡捷高效,適合計算機、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。
目錄
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界面4 1.3.2全局直方圖處理4 1.3.3局部直方圖處理6 1.3.4Retinex增強處理8 1.4延伸閱讀12
第2章基於形態學的權重自適應圖像去噪13 2.1案例背景13 2.2理論基礎14 2.2.1圖像去噪的方法14 2.2.2數學形態學的原理15 2.2.3權重自適應的多結構形態學去噪15 2.3程序實現16 2.4延伸閱讀22
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多尺度結構設計28 3.3.2多尺度邊緣提取29 3.3.3多尺度邊緣融合31 3.4延伸閱讀33
第4章基於Hough變化的答題卡識別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 4.3.1圖像灰度化40 4.3.2灰度圖像二值化41 4.3.3圖像平滑濾波41 4.3.4圖像矯正41 4.3.5完整性核查42 4.4延伸閱讀51
第5章基於閾值分割的車牌定位識別53 5.1案例背景53 5.2理論基礎53 5.2.1車牌圖像處理54 5.2.2車牌定位原理58 5.2.3車牌字符處理58 5.2.4車牌字符識別60 5.3程序實現62 5.4延伸閱讀69
第6章基於分水嶺分割進行肺癌診斷71 6.1案例背景71 6.2理論基礎71 6.2.1模擬浸水的過程72 6.2.2模擬降水的過程72 6.2.3過度分割問題72 6.2.4標記分水嶺分割算法72 6.3程序實現73 6.4延伸閱讀77
第7章基於主成分分析的人臉識別79 7.1案例背景79 7.2理論基礎79 7.2.1QR簡介80 7.2.2QR的編碼和譯碼流程82 7.2.3主成分分析方法84 7.3程序實現85 7.3.1人臉建庫85 7.3.2人臉識別87 7.3.3人臉87 7.4延伸閱讀92
第8章基於知識庫的手寫體數字識別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特征提取95 8.2.3模式識別96 8.3程序實現97 8.3.1圖像處理97 8.3.2特征提取98 8.3.3模式識別101 8.4延伸閱讀102 8.4.1識別器選擇102 8.4.2特征庫改善102
第9章基於特征匹配的英文印刷字符識別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圖像識別技術105 9.3程序實現106 9.3.1界面設計106 9.3.2回調識別111 9.4延伸閱讀112
0章基於不變矩的數字驗證碼識別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界面114 10.3.2載入驗證碼圖像115 10.3.3驗證碼圖像去噪116 10.3.4驗證碼數字定位118 10.3.5驗證碼歸一化120 10.3.6驗證碼數字識別121 10.3.7手動確認並入庫124 10.3.8重新生成模板庫125 10.4延伸閱讀128
1章基於小波技術進行圖像融合129 11.1案例背景129 11.2理論基礎130 11.3程序實現132 11.3.1設計GUI界面132 11.3.2圖像載入133 11.3.3小波融合135 11.4延伸閱讀137
2章基於塊匹配的全景圖像拼接138 12.1案例背景138 12.2理論基礎138 12.2.1圖像匹配139 12.2.2圖像融合141 12.3程序實現142 12.3.1設計GUI界面142 12.3.2載入圖片143 12.3.3圖像匹配144 12.3.4圖像拼接148 12.4延伸閱讀153
3章基於霍夫曼圖像編碼的圖像壓縮和重建155 13.1案例背景155 13.2理論基礎155 13.2.1霍夫曼編碼的步驟156 13.2.2霍夫曼編碼的特點157 13.3程序實現158 13.3.1設計GUI界面158 13.3.2壓縮和重建159 13.3.3效果對比164 13.4延伸閱讀167
4章基於主成分分析的圖像壓縮和重建168 14.1案例背景168 14.2理論基礎168 14.2.1主成分降維分析原理168 14.2.2由得分矩陣重建樣本169 14.2.3主成分分析數據壓縮比170 14.2.4基於主成分分析的圖像壓縮170 14.3程序實現171 14.3.1主成分分析的源代碼171 14.3.2圖像數組和樣本矩陣之間的轉換172 14.3.3基於主成分分析的圖像壓縮173 14.4延伸閱讀176
5章基於小波的圖像壓縮技術177 15.1案例背景177 15.2理論基礎178 15.3程序實現180 15.4延伸閱讀188
6章基於融合特征的以圖搜圖技術189 16.1案例背景189 16.2理論基礎189 16.3程序實現191 16.3.1圖像預處理191 16.3.2計算特征191 16.3.3圖像檢索194 16.3.4結果分析194 16.4延伸閱讀196
7章基於Harris的角點特征檢測198 17.1案例背景198 17.2理論基礎199 17.2.1Harris的基本原理199 17.2.2Harris算法的流程201 17.2.3Harris角點的性質201 17.3程序實現202 17.3.1Harris算法的代碼202 17.3.2角點檢測實例204 17.4延伸閱讀205
8章基於GUI搭建通用視頻處理工具206 18.1案例背景206 18.2理論基礎206 18.3程序實現208 18.3.1設計GUI界面208 18.3.2實現GUI界面209 18.4延伸閱讀220
9章基於語音識別的信號燈圖像 模擬控制技術221 19.1案例背景221 19.2理論基礎221 19.3程序實現223 19.4延伸閱讀232
第20章基於幀間差法進行視頻目標檢測234 20.1案例背景234 20.2理論基礎234 20.2.1幀間差分法235 20.2.2背景差分法236 20.2.3光流法236 20.3程序實現237 20.4延伸閱讀24
第21章路面裂縫檢測繫統設計247 21.1案例背景247 21.2理論基礎247 21.2.1圖像灰度化248 21.2.2圖像濾波250 21.2.3圖像增強252 21.2.4圖像二值化253 21.3程序實現255 21.4延伸閱讀267
第22章基於K-means聚類算法的圖像分割268 22.1案例背景268 22.2理論基礎268 22.2.1K-means聚類算法的原理268 22.2.2K-means聚類算法的要點269 22.2.3K-means聚類算法的缺點270 22.2.4基於K-means聚類算法進行圖像分割270 22.3程序實現271 22.3.1樣本間的距離271 22.3.2提取特征向量272 22.3.3圖像聚類分割273 22.4延伸閱讀275
第23章基於光流場的車流量計數應用276 23.1案例背景276 23.2理論基礎276 23.2.1基於光流法檢測運動的原理276 23.2.2光流場的主要計算方法277 23.2.3梯度光流場約束方程278 23.2.4Horn-Schunck光流算法280 23.3程序實現281 23.3.1計算視覺繫統工具箱簡介281 23.3.2基於光流法檢測汽車運動282 23.4延伸閱讀287
第24章基於Simulink進行圖像和視頻處理289 24.1案例背景289 24.2模塊介紹289 24.2.1分析和增強模塊庫(Analysis和Enhancement)290 24.2.2轉化模塊庫(Conversions)291 24.2.3濾波模塊庫(Filtering)292 24.2.4幾何變換模塊庫(GeometricTransformations)292 24.2.5形態學操作模塊庫(MorphologicalOperations)292 24.2.6輸入模塊庫(Sources)293 24.2.7輸出模塊庫(Sinks)293 24.2.8統計模塊庫(Statistics)294 24.2.9文本和圖形模塊庫(Text和Graphic)295 24.2.10變換模塊庫(Transforms)295 24.2.11其他工具模塊庫(Utilities)295 24.3仿真案例296 24.3.1搭建組織模型296 24.3.2仿真執行模型298 24.3.3自動生成報告299 24.4延伸閱讀302
第25章基於小波變換的數字水印技術304 25.1案例背景304 25.2理論基礎304 25.2.1數字水印技術的原理305 25.2.2典型的數字水印算法307 25.2.3數字水印攻擊和評價309 25.2.4基於小波的水印技術310 25.3程序實現312 25.3.1準備載體和水印圖像312 25.3.2小波數字水印的嵌入313 25.3.3小波數字水印的提取317 25.3.4小波水印的攻擊試驗319 25.4延伸閱讀323
第26章基於 小誤差法的胸片分割技術325 26.1案例背景325 26.2理論基礎325 26.2.1圖像增強326 26.2.2區域選擇326 26.2.3形態學濾波327 26.2.4基於 小誤差法進行胸片分割328 26.3程序實現329 26.3.1設計GUI界面329 26.3.2圖像預處理330 26.3.3基於 小誤差法進行圖像分割333 26.3.4形態學後處理335 26.4延伸閱讀338
第27章基於區域生長的肝髒影像分割繫統339 27.1案例背景339 27.2理論基礎340 27.2.1閾值分割340 27.2.2區域生長340 27.2.3基於閾值預分割的區域生長341 27.3程序實現342 27.4延伸閱讀346
第28章基於計算機視覺的自動駕駛應用347 28.1案例背景347 28.2理論基礎348 28.2.1環境感知348 28.2.2行為決策348 28.2.3路徑規劃349 28.2.4運動控制349 28.3程序實現349 28.3.1傳感器數據載入349 28.3.2追蹤器創建351 28.3.3踫撞預警353 28.4延伸閱讀358
第29章基於深度學習的汽車目標檢測359 29.1案例背景359 29.2理論基礎360 29.2.1基本架構360 29.2.2卷積層360 29.2.3池化層362 29.3程序實現362 29.3.1加載數據362 29.3.2構建N364 29.3.3訓練N365 29.3.4評估訓練效果367 29.4延伸閱讀368
第30章基於深度學習的視覺場景 識別370 30.1案例背景370 30.2理論基礎371 30.3程序實現371 30.3.1環境配置372 30.3.2數據集制作373 30.3.3網絡訓練375 30.3.4網絡測試381 30.4延伸閱讀383
第31章深度學習綜合應用385 31.1應用背景385 31.2理論基礎387 31.2.1分類識別387 31.2.2目標檢測391 31.3案例實現1:基於N的數字識別395 31.3.1自定義N397 31.3.2AlexNet399 31.3.3基於MATLAB進行實驗設計405 31.3.4基於TensorFlow進行實驗設計413 31.3.5實驗小結418 31.4案例實現2:基於N的物體識別418 31.4.1CIFAR-10數據集418 31.4.2VggNet421 31.4.3ResNet422 31.4.4實驗設計424 31.4.5實驗小結432 31.5案例實現3:基於N的圖像矯正432 31.5.1傾斜數據集432 31.5.2自定義N回歸網絡434 31.5.3AlexNet回歸網絡436 31.5.4實驗設計437 31.5.5實驗小結445 31.6案例實現4:基於LSTM的時間序列分析445 31.6.1阨爾尼諾南方濤動指數數據446 31.6.2樣條擬合分析446 31.6.3基於MATLAB進行LSTM分析448 31.6.4基於Keras進行LSTM分析451 31.6.5實驗小結455 31.7案例實現5:基於深度學習的以圖搜圖技術455 31.7.1人臉的深度特征455 31.7.2AlexNet的特征460 31.7.3GoogleNet的特征461 31.7.4深度特征融合計算462 31.7.5實驗設計462 31.7.6實驗小結467 31.8案例實現6:基於YOLO的交通目標檢測應用467 31.8.1車輛目標的YOLO檢測468 31.8.2交通標志的YOLO檢測475 31.9延伸閱讀481
作者介紹
劉衍琦,機器學習算法專家及視覺AI課程講師,擅長視覺智能分析、多源異構數據采集和挖掘等工程化應用,並長期從事視覺大數據工程相關工作,涉及互聯網海量圖像、聲紋、視頻檢索,以及OCR圖文檢索、手繪草圖智能識別、特殊通道數據分析等應用的算法架構與研發,對圖文識別、大規模以圖搜圖、數據感知和采集等進行過深入研究,並結合行業背景推動了一繫列工程化應用。曾主編和參與編寫多本書籍。 詹福宇,博士,資深飛行控制算法專家,畢業於西北工業大學航空學院飛行器設計專業。擁有近10年仿真控制開發經驗,熟悉Simulink基於模型設計的流程,曾主編和參與編寫多本書籍。 王德建,檔案管理副研究館員,畢業於西安建築科技大學繫統工程專業,從事檔案數字化、智能化分類、OCR圖文檢索、圖像智能識別相關工作。 陳峰蔚,熟悉機器學習、深度學習及計算機視覺在智能交通、智能駕駛領域的應用,長期從事汽車品牌識別、車型細粒度分類、目標檢測與分割方面的相關工作,精通MATLAB、Python編程及TensorFlow深度學習框架,參與了多項專利的設計與開發。 蔣獻文,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。擅長醫學圖像處理技術、放射線射影技術及手術房計算機斷層與血管攝影技術,在臨床放射技術學與圖像處理方面進行過深入研究並發表了相關醫學論文。 周華英,新能源汽車高級工程師,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合動力汽車繫統建模與控制、汽車動力繫統與控制、電動汽車能量管理和控制優化等研究,曾主編和參與編寫多本書籍。
序言
" |