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