商品簡介
本書詳細講解了29個實用的MATLAB計算機視覺與深度學習實戰案例（含可運行程序），涉及圖像去霧、答題卡識別、圖像分割、肝臟影像輔助分割系統、人臉二維碼編解碼系統、英文印刷體字符識別、圖像融合、全景圖像拼接、圖像壓縮和重建、視頻處理工具、運動目標檢測、路面裂縫檢測識別系統、車流量計數、三維網格模型特徵點提取、數字水印、圖像水印、輔助自動駕駛、汽車目標檢測、手寫數字識別、以圖搜圖、驗證碼識別、圖像生成、影像識別、物體識別、圖像校正、時間序列分析、交通目標檢測、智能問答等，還講解了深度神經網絡的拆分、編輯、重構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的理論及應用方面。
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為工具詳細講解了實驗的核心程序，涉及DeepLearning Toolbox、TensorFlow、Keras、Java等。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相關知識，並且更加熟練地掌握計算機視覺及深度學習在不同領域中的應用。
本書以案例為基礎，結構緊湊，內容深入淺出，實驗簡單高效，適合高等院校計算機、通信和自動化等相關專業的教師、本科生、研究生，以及計算機視覺工程人員閱讀和參考。
作者簡介
——劉衍琦
技術圖書主編，擁有企業、研究所、高校從業經歷，長期從事大數據和人工智能實踐應用相關工作，主要涉及機器學習、計算機視覺和自然語言處理等領域。曾主持和參與多個科研項目，已出版十余部圖書，擁有多項國家專利。
——王小超
天津工業大學副教授，碩士生導師，大連理工大學博士，北京航空航天大學計算機學院博士後，中國計算機學會會員，天津市131創新型人才培養工程第三層次人才。研究方向為圖形圖像處理，發表論文30多篇，主持完成國家自然科學基金項目1項。
——詹福宇
博士，畢業於西北工業大學航空學院飛行器設計專業，四川省特聘專家，自貢市“鹽都百千萬英才計劃”青年拔尖人才，現任中電科航空電子有限公司無人機領域高級技術專家，中電科特種飛機系統工程有限公司副總工程師。主要從事飛行器設計、導航飛控系統、智能控制系統等研究工作。
名人/編輯推薦
——作者陣容強大，經驗相當豐富。在本書主編中，劉衍琦是機器學習算法專家及視覺AI課程講師，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系列的工程化應用。王小超在3D視覺分析、圖像水印、工業視覺測量應用、圖像智能識別方面積累了豐富的項目實戰經驗。詹福宇擅長模型設計與分析，在計算機視覺處理方面積累了豐富的工程經驗。
——本書案例豐富、實用、拓展性強。本書以案例的形式進行編寫，充分強調案例的實用性及程序的可拓展性，所選案例均來自作者的日常研究及業務需求，每個案例都與實際課題相結合。另外，書中的每個案例程序都經過調試，作者為此編寫了大量的測試代碼。
——本書點面完美結合，兼顧不同需求的讀者，涵蓋了數字圖像處理中幾乎所有的基本模塊，並涉及視頻處理、配準拼接、數字水印、生物識別等高級圖像處理方面的內容，全面講解了基於MATLAB進行計算機視覺及深度學習應用的原理及方法。
序
計算機視覺（Computer Vision，CV）主要研究如何用圖像采集設備和計算機軟件代替人眼對物體進行分類識別、目標跟蹤和視覺分析等。深度學習源自經典的神經網絡架構，屬於機器學習領域，它通過不同形式的神經網絡，結合視覺大數據（擁有大規模存量並不斷產生增量）進行訓練，自動提取細顆粒度的特徵並結合粗顆粒度的特徵，形成抽象化的視覺描述，在視覺分析方面取得了很大的進步，是當前人工智能爆發式發展的內核驅動。隨著大數據及人工智能技術的不斷發展，計算機視覺以其可視性、規模性、普適性逐步成為AI應用落地的關鍵領域之一，在理論研究和工程應用上均發展迅猛。
MATLAB是MathWorks公司推出的一款應用於科學計算和工程仿真的交互式編程軟件，近幾年已經發展成為集圖像處理、數值分析、數學建模、仿真控制、信號處理等工具箱為一體的科學應用軟件，並且成為世界上應用最廣泛的科學計算軟件之一。數字圖像處理技術涉及計算機科學、模式識別、人工智能、生物工程等學科，是一種綜合性的技術。
自從電子計算機誕生以來，通過計算機仿真來模擬人類視覺便成為一個非常熱門且頗具挑戰性的研究領域。隨著數碼相機、智能手機等硬件設備的普及，圖像以其易於采集、信息相關性多、抗干擾能力強的特點得到了越來越廣泛的應用。當前，人類社會已經進入了信息化和數字化時代，隨著國家對人工智能領域的重視，計算機視覺人才的需求量越來越大，應用也越來越廣泛。
計算機視覺處理工具箱可為用戶提供諸如圖像變換、圖像增強、圖像特徵檢測、圖像復原、圖像分割、圖像去噪、圖像配準、視頻處理、深度學習等的技術支撐。同時，借助MATLAB方便的編程及調試技巧，用戶可根據需要進一步拓展計算機視覺處理工具箱，滿足定制化的業務需求。
目次
第1章基於圖像增強方法的圖像去霧技術
1.1 案例背景
1.2 空域圖像增強
1.3 直方圖均衡化
1.4 程序實現
1.4.1 設計GUI
1.4.2 全局直方圖均衡化處理
1.4.3 限制對比度的自適應直方圖均衡化處理
1.4.4 Retinex增強處理
1.4.5 方法評測
第2章基於Hough變換的答題卡識別
2.1 案例背景
2.2 圖像二值化
2.3 傾斜校正
2.4 圖像分割
2.5 程序實現
2.5.1 圖像灰度化
2.5.2 灰度圖像二值化
2.5.3 圖像平滑濾波
2.5.4 圖像校正
2.5.5 完整性核查
第3章基於聚類算法的圖像分割
3.1 案例背景
3.2 K-means聚類算法的原理
3.3 K-means聚類算法的特點
3.4 K-means聚類算法的缺點
3.5 基於K-means聚類算法進行圖像分割
3.6 程序實現
3.6.1 數據樣本間的距離
3.6.2 提取特徵向量
3.6.3 圖像聚類分割
第4章基於區域生長的肝臟影像輔助分割系統
4.1 案例背景
4.2 閾值分割算法
4.3 區域生長算法
4.4 基於閾值預分割的區域生長算法
4.5 程序實現
第5章基於主成分分析的人臉二維碼編解碼系統
5.1 案例背景
5.2 QR編碼簡介
5.2.1 QR編碼的符號結構
5.2.2 QR編碼的基本特性
5.2.3 QR編碼的流程
5.2.4 QR譯碼的流程
5.3 主成分分析
5.4 程序實現
5.4.1 人臉建庫
5.4.2 人臉識別
5.4.3 人臉二維碼
第6章基於特徵匹配的英文印刷體字符識別
6.1 案例背景
6.2 圖像預處理
6.3 圖像識別技術
6.4 程序實現
6.4.1 設計GUI
6.4.2 回調識別
第7章基於小波變換的圖像融合
7.1 案例背景
7.2 小波變換
7.3 程序實現
7.3.1 設計GUI
7.3.2 圖像載入
7.3.3 小波融合
第8章基於塊匹配的全景圖像拼接
8.1 案例背景
8.2 圖像拼接
8.3 圖像匹配
8.4 圖像融合
8.5 程序實現
8.5.1 設計GUI
8.5.2 載入圖像
8.5.3 圖像匹配
8.5.4 圖像拼接
第9章基於主成分分析的圖像壓縮和重建
9.1 案例背景
9.2 主成分分析降維的原理
9.3 由得分矩陣重建樣本
9.4 主成分分析數據壓縮比
9.5 基於主成分分析的圖像壓縮
9.6 程序實現
9.6.1 主成分分析的代碼實現
9.6.2 圖像與樣本間的轉換
9.6.3 基於主成分分析的圖像壓縮
第10章基於小波變換的圖像壓縮
10.1 案例背景
10.2 圖像壓縮基礎
10.3 程序實現
第11章基於GUI搭建通用的視頻處理工具
11.1 案例背景
11.2 視頻解析
11.3 程序實現
11.3.1 設計GUI
11.3.2 實現GUI
第12章基於幀間差分法進行運動目標檢測
12.1 案例背景
12.2 幀間差分法
12.3 背景差分法
12.4 光流法
12.5 程序實現
第13章路面裂縫檢測識別系統設計
13.1 案例背景
13.2 圖像灰度化
13.3 圖像濾波
13.4 圖像增強
13.5 圖像二值化
13.6 程序實現
第14章基於光流場的車流量計數
14.1 案例背景
14.2 光流法檢測運動物體的基本原理
14.3 光流場的計算方法
14.4 梯度光流場約束方程
14.5 Horn-Schunck算法
14.6 程序實現
14.6.1 計算視覺系統工具箱簡介
14.6.2 基於光流場檢測汽車運動
第15章基於鄰域支持的三維網格模型特徵點提取
15.1 案例背景
15.2 網格特徵提取
15.2.1 鄰域支持
15.2.2 網格特徵點提取
15.3 程序實現
第16章基於小波變換的數字水印技術
16.1 案例背景
16.2 數字水印技術原理
16.3 典型的數字水印算法
16.4 數字水印攻擊和評價
16.5 基於小波變換的水印技術
16.6 程序實現
16.6.1 準備宿主圖像和水印圖像
16.6.2 小波數字水印的嵌入
16.6.3 小波數字水印的檢測和提取
16.6.4 小波數字水印的攻擊實驗
第17章基於BEMD與Hilbert曲線的圖像水印技術
17.1 案例背景
17.2 BEMD與Hilbert曲線
17.2.1 相關工作
17.2.2 案例算法
17.3 程序實現
17.3.1 實驗結果與分析
17.3.2 核心程
第18章基於計算機視覺的輔助自動駕駛
18.1 案例背景
18.2 環境感知
18.3 行為決策
18.4 路徑規劃
18.5 運動控制
18.6 程序實現
18.6.1 傳感器數據載入
18.6.2 創建追蹤器
18.6.3 碰撞預警
第19章基於深度學習的汽車目標檢測
19.1 案例背景
19.2 基本架構
19.3 卷積層
19.4 池化層
19.5 程序實現
19.5.1 加載數據
19.5.2 構建CNN
19.5.3 訓練CNN
19.5.4 評估訓練效果
第20章基於深度學習的手寫數字識別
20.1 案例背景
20.2 卷積核
20.3 特徵圖
20.4 池化降維
20.5 模型定義
20.6 MATLAB實現
20.6.1 解析數據集
20.6.2 構建網絡模型
20.6.3 構建識別平臺
20.7 Python實現
20.7.1 數據拆分
20.7.2 訓練網絡
20.7.3 網絡測試
20.7.4 集成應用
第21章基於深度學習的以圖搜圖
21.1 案例背景
21.2 選擇模型
21.2.1 AlexNet
21.2.2 VGGNet
21.2.3 GoogLeNet
21.3 深度特徵
21.4 程序實現
21.4.1 構建深度索引
21.4.2 構建搜索引擎
21.4.3 構建搜索平臺
第22章基於深度學習的驗證碼識別
22.1 案例背景
22.2 生成驗證碼數據
22.3 驗證碼CNN識別
22.4 程序實現
22.4.1 驗證碼樣本數據集標注
22.4.2 驗證碼樣本數據集分割
22.4.3 訓練驗證碼識別模型
22.4.4 測試驗證碼識別模型
第23章基於生成對抗網絡的圖像生成
23.1 案例背景
23.2 選擇生成對抗數據
23.3 設計生成對抗網絡
23.4 程序實現
23.4.1 訓練生成對抗模型
23.4.2 測試生成對抗模型
23.4.3 構建生成對抗平臺
第24章基於深度學習的影像識別
24.1 案例背景
24.2 選擇肺部影像數據集
24.3 編輯CNN遷移模型
24.4 程序實現
24.4.1 訓練CNN遷移模型
24.4.2 測試CNN遷移模型
24.4.3 融合CNN遷移模型
24.4.4 構建CNN識別平臺
第25章基於CNN的物體識別
25.1 案例背景
25.2 CIFAR-10數據集
25.3 VGGNet
25.4 ResNet
25.5 程序實現
第26章基於CNN的圖像校正
26.1 案例背景
26.2 傾斜數據集
26.3 自定義CNN回歸網絡
26.4 AlexNet回歸網絡
26.5 程序實現
第27章基於LSTM的時間序列分析
27.1 案例背景
27.2 厄爾尼諾-南方濤動指數數據
27.3 樣條分析
27.4 用MATLAB實現LSTM預測
27.5 用Python實現LSTM預測
第28章基於YOLO的交通目標檢測
28.1 案例背景
28.2 車輛YOLO檢測
28.3 交通標志YOLO檢測
第29章基於ChatGPT的智能問答
29.1 案例背景
29.2 網絡URL訪問
29.3 ChatGPT接口說明
29.4 構建智能問答應用
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。