數字圖像理解與智能技術——基于MATLAB和VC++實現 ( 簡體 字) |
| 作者：孫明 | 類別：1. -> 教材 -> 數位影像處理
2. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 42011
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：7/1/2015 |
| 頁數：300 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121262517 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：感謝您選擇本書，為了幫助您更好地學習本書的知識，請仔細閱讀下面的內容。
讀者對象
本書適用于大專院校的教學和科研人員，以及采用視覺信息學進行研究或產品開發的人員。編者所提出的視覺信息學集成了多學科的綜合知識。通過本書不僅可以系統全面地學習這門綜合性科學和技術，也可以掌握用Matlab和VC++等常用編程語言編制視覺信息學程序的基本技能，加深對本門學科的理解。
知識背景
20世紀60年代，數字圖像處理的一些算法只能在大型計算機上運行；在70年代，也只能在小型計算機上運行；而到了80年代，已能在普通的個人計算機上運行了。個人計算機的普及，使得數字圖像處理技術的應用獲得了爆炸式的增長，引起了來自工業、農業、軍事、醫學、交通、航天等不同領域的研究人員的關注。因此學習和掌握這門科學顯得格外重要。我國主要高等院校已經把數字圖像處理這門課程作為信息與信號處理、通信與電子系統、模式識別、機器人視覺、機電一體化、電子工程、信息工程、計算機科學與技術、遙感與軍事偵察、農業工程和生物醫學工程等專業和領域的本科生或者研究生課程。為了對各種與視覺信息、圖像及其交叉科學相關的技術進行綜合研究和集成應用，我們有必要構建一個新的統一框架——視覺信息學，它是一門與信息技術相結合，系統地研究各種圖像科學的理論、技術和應用的新興交叉學科。
本書特色
視覺信息學是一門實踐性很強的科學，只有將理論與編程實踐有機結合起來才能收到良好效果。但是以往的著作往往極力采用數學公式以突出理論性，過于注重概念和原理而忽略了實踐環節，使得讀者因不擅長公式推導等導致半途而廢的情況并不少見。本書針對以往模式進行了改革，使讀者在學習理論的同時，通過編程實踐演練，可以透徹直觀地理解和掌握數字圖像處理與分析技術，既實用易懂、深入淺出，又系統全面，并凸顯了該領域的最新成果等特色。例如，用圖文并茂的形式和應用實例代替煩瑣的數學推導過程，提供各種算法的Matlab及VC++程序示例，并對每條語句都加以注釋，使讀者能通過上機實踐加深對數字圖像理解與智能技術方面算法的學習和掌握，而且對提供的程序稍加改動就可以組成自己的處理軟件。因此本書既有學術價值，又有實用價值。理論和實踐的有機結合是本書的一大特色，可使本課程的學習變得生動有趣。另外，本書對所出現的關鍵詞語都加上了英文對照，為讀者閱讀圖像處理相關的英文資料提供幫助。
教師在向學生傳授理論的同時，可用本書中所提供的Matlab和VC++程序講解處理算法程序，示范處理結果，使學生在實踐中透徹理解圖像理解的算法，一改傳統的單一理論灌輸的教學模式。科研人員在項目開發中可以復制和改寫上述程序，達到自己的處理目標。
讀者在閱讀本書之前，需要了解數字圖像處理與分析的相關內容。對于這部分內容，請讀者參見編者所編著的《數字圖像處理與分析基礎——Matlab和VC++實現》。
本書主編孫明博士有著日本留學經歷和多年的教學與科研經驗，具有廣泛的國際聯系，能夠跟蹤圖像理解與智能技術及其應用的國際學術前沿，在國內外學術期刊上發表了許多相關方面的學術論文。
全書內容共10章，其中第1、6章由孫明博士編寫，第3、5、7章由位耀光博士編寫，第4章由安冬博士編寫，第10章由劉春紅博士編寫，第8章由李振波博士編寫，第2、9章由孫紅博士編寫，附錄由李嘉偉碩士編寫。全書由孫明博士和孫紅博士統編。
本書的編著得到了許多人士的大力支持和幫助。首先要感謝中國農業大學信息與電氣工程學院的領導和電子工程系的教授們，感謝他們所給予的熱忱幫助。還要感謝中國農業大學工學院教授陳兵旗博士。主編孫明博士曾與陳兵旗博士一起于2004年3月在清華大學出版社合作出版了《Visual C++實用圖像處理》一書，并分別作為主編和副主編于2008年2月在中國農業大學出版社和清華大學出版社出版了“十一五”國家級規劃教材《實用圖像處理與分析》，于2004年2月在中國農業大學出版社出版了農業部“十二五”規劃教材《實用圖像處理與分析（第2版）》，本書參照和借鑒了上述書籍的部分內容。本書在編寫過程中，還參閱了許多學術論文和著作。
本書大部分章節后都附有完整的相關Matlab和VC++程序，如有需要，請到華信教育資源網（www.hxedu.com.cn）下載。
本書得到了北京市共建項目專項資助，在此表示誠摯的感謝。
編者熱切希望各位讀者對本書提出寶貴意見。
編 者
2014年10月于中國農業大學
sunming@cau.edu.cn |
內容簡介：本書主要介紹圖像理解的基本原理和主要應用技術，共11章。第1章為圖像理解基礎，以后各章分別討論了小波變換、圖像融合、圖像識別、神經網絡、遺傳算法、圖像水印、視頻處理、光譜成像、遙感圖像處理、Matlab和VC++接口技術的基本知識，從第2章開始每章都包含可自由調用的Matlab和VC++源程序。該書在出版社網站上包含有配套的VC++源程序。 |
目錄：第1章 數字圖像理解與智能技術引論 1
1.1 數字圖像理解概述 1
1.2 圖像理解的特點 4
1.3 圖像理解的研究內容 4
1.3.1 目標識別 5
1.3.2 場景理解 6
1.4 圖像理解的發展及其在農業中的應用 7
1.4.1 圖像理解的發展 7
1.4.2 圖像理解在農業中的應用 8
1.5 圖像理解與智能技術的系統構成 11
1.5.1 采像 12
1.5.2 分析 26
1.5.3 理解 39
參考文獻 46
第2章 小波變換 47
2.1 小波變換概述 47
2.2 小波與小波變換 48
2.3 離散小波變換 50
2.4 小波族 53
2.5 圖像處理中的小波變換 57
2.5.1 基于小波變換的圖像分解與重構 57
2.5.2 基于小波變換的圖像增強 59
2.5.3 基于小波變換的圖像平滑 61
2.5.4 基于小波變換的圖像壓縮 62
2.5.5 基于小波變換的圖像合成 64
參考文獻 66
第3章 圖像融合 67
3.1 圖像融合概述 67
3.1.1 圖像融合的應用 68
3.1.2 圖像融合的方法 69
3.2 圖像融合的關鍵技術 70
3.3 典型圖像融合算法 71
3.4 塔式分解法 76
3.4.1 非采樣Contourlet算法的特點 77
3.4.2 非采樣Contourlet變換原理 78
3.4.3 圖像融合規則 81
3.5 基于視覺特性的圖像融合 86
3.5.1 人眼視覺特性的相關概念 86
3.5.2 基于視覺識別特性的圖像融合算法原理 88
3.5.3 多聚焦圖像融合算法 89
3.6 圖像融合性能評價 92
3.6.1 圖像融合方法的基本要求 93
3.6.2 圖像融合效果評定方法 93
3.7 應用研究實例 95
參考文獻 96
第4章 圖像識別 97
4.1 圖像識別概述 97
4.2 模板匹配方法 99
4.3 統計模式識別 100
4.4 支持向量機 103
4.5 仿生模式識別 106
4.5.1 仿生模式識別理論 106
4.5.2 高維空間幾何理論 107
4.5.3 基于仿生模式識別的人臉識別 109
4.6 應用研究實例 114
參考文獻 114
第5章 神經網絡 115
5.1 神經網絡概述 115
5.2 生物學基礎 116
5.3 人工神經元 117
5.4 神經網絡的特點 119
5.5 BP神經網絡 120
5.5.1 BP神經網絡概述 120
5.5.2 BP神經網絡的訓練學習 121
5.5.3 BP神經網絡的Matlab示例 124
5.6 應用研究實例 126
參考文獻 127
第6章 遺傳算法 128
6.1 遺傳算法概述 128
6.2 生物學基礎 130
6.3 簡單遺傳算法 131
6.3.1 遺傳表達 131
6.3.2 遺傳算子 132
6.4 遺傳參數 134
6.4.1 交叉概率Pc和變異概率Pm 134
6.4.2 其他參數 135
6.4.3 遺傳參數的確定 135
6.5 適應度函數 135
6.5.1 目標函數映射為適應度函數 136
6.5.2 適應度函數的尺度變換 136
6.5.3 適應度函數設計對GA的影響 137
6.6 模式定理 138
6.6.1 模式的幾何解釋 140
6.6.2 GA的操作對模式的影響 141
6.7 遺傳算法在模板匹配中的應用 143
6.7.1 問題的設定 143
6.7.2 GA的應用方法 145
6.7.3 簡單GA的Matlab程序示例 146
6.7.4 程序執行過程 164
6.8 應用研究實例 166
參考文獻 169
第7章 數字水印 170
7.1 數字水印概述 170
7.2 基于DCT域的魯棒水印 172
7.3 基于空間域的脆弱水印 179
7.4 基于DWT域的脆弱水印 185
7.5 應用研究實例 192
參考文獻 193
第8章 視頻處理 194
8.1 視頻處理概述 194
8.2 視頻生成與成像模型 194
8.2.1 視頻生成簡介 194
8.2.2 視頻成像模型 195
8.3 視頻編碼 199
8.3.1 視頻編碼概述 199
8.3.2 視頻編碼標準 199
8.4 運動目標跟蹤 202
8.4.1 運動目標檢測算法 203
8.4.2 運動目標跟蹤算法 204
8.5 應用研究實例 213
8.5.1 視頻跟蹤在昆蟲運動分析和行為識別中的應用 213
8.5.2 機器視覺在草地蝗蟲識別中的應用 215
8.5.3 遠程農作物視頻采集系統 216
參考文獻 217
第9章 光譜成像 218
9.1 光譜成像概述 218
9.1.1 光譜成像原理 218
9.1.2 光譜成像方式 220
9.1.3 光譜成像數據及描述模型 224
9.1.4 光譜成像檢測技術的發展趨勢 228
9.2 光譜圖像處理 230
9.2.1 光譜圖像預處理 230
9.2.2 光譜圖像特征的選取與分類方法 232
9.2.3 光譜圖像分類中的模式識別方法 234
9.3 應用研究實例 244
9.3.1 利用多時相Landsat高光譜圖像監測冬小麥和苜蓿種植面積 244
9.3.2 基于光譜圖像的作物長勢監測 247
參考文獻 249
第10章 遙感圖像處理基礎 250
10.1 遙感圖像處理概述 250
10.2 遙感圖像目視解譯與判讀 251
10.2.1 判讀要素 251
10.2.2 判讀標志 252
10.2.3 判讀方法 252
10.2.4 遙感判讀的基本技術 253
10.3 遙感圖像的數字表達 254
10.4 遙感圖像的存儲 254
10.4.1 HDF 255
10.4.2 BSQ 258
10.4.3 BIP 258
10.4.4 BIL 258
10.5 遙感圖像特征的統計分析 258
10.5.1 遙感圖像的特征 258
10.5.2 成像方式分類 259
10.6 常用遙感圖像處理軟件 260
10.6.1 ENVI 260
10.6.2 ERDAS IMAGINE 261
10.6.3 Titan Image 262
10.7 高光譜遙感 264
10.7.1 高光譜遙感的特點 265
10.7.2 高光譜遙感的優勢 265
10.7.3 高光譜遙感的應用領域 265
10.8 應用研究實例 267
10.8.1 正交子空間投影目標探測法 267
10.8.2 實驗結果與分析 270
參考文獻 273
附錄 Matlab和VC++接口技術 274
1. Matlab和VC++接口技術概述 274
2. Matlab和VC++常用接口技術比較 274
3. MATCOM C++數學庫的使用 277
4. 程序編寫過程示例 279 |
| 序： |
