-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

MATLAB計算機視覺與深度學習實戰

( 簡體 字)
作者:劉衍琦等類別:1. -> 工程繪圖與工程計算 -> Matlab
   2. -> 程式設計 -> 深度學習
譯者:
出版社:電子工業出版社MATLAB計算機視覺與深度學習實戰 3dWoo書號: 46992
詢問書籍請說出此書號!

缺書
NT售價: 395

出版日:6/1/2017
頁數:424
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:9787121315503
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

推薦序
在當今的信息化社會,圖像是人類賴以獲取信息的最重要來源之一。隨著計算機技術的迅猛發展,圖像技術與計算機技術不斷融合,產生了一系列圖像處理軟件如 MATLAB 等,這些軟件的廣泛應用為圖像技術的發展提供了強大的支持。
MATLAB 已成為國際公認的最優秀的科技應用軟件之一,具有編程簡單、數據可視化功能強、可操作性強等特點,而且配有功能強大、專業函數豐富的圖像處理工具箱,是進行圖像處理必備的軟件工具。
現有的 MATLAB 圖像處理著作多是講解圖像處理中的經典理論與算法,鮮有解決實際問題的案例。而在《MATLAB 計算機視覺與深度學習實戰》中,作者將自己在多年的實踐中積累的案例與讀者分享,其中關于圖像去霧、圖像去噪、圖像識別等方面的相關內容都緊跟圖像研究熱點,對于剛開始接觸相關領域的研究者來說,是很好的入門教程。
《MATLAB 計算機視覺與深度學習實戰》的一大特點是,它對于每個案例都有詳細的理論基礎介紹,并配備了實例代碼和注釋,不僅可以讓初學者很快學習到代碼編寫方面的知識,還可以讓讀者在動手實踐的過程中深入理解所研究的相關問題。
《MATLAB 計算機視覺與深度學習實戰》將代碼講解融入實際的案例中,相比其他基礎書籍更加生動形象,解決了讀者在實踐過程中遇到的具體、實際的技術難點,為讀者提供了直接的技術支持。
《MATLAB 計算機視覺與深度學習實戰》案例貼近實際研究,兼顧中高級讀者。相信讀者在仔細研讀和實踐的過程中,能更深刻地體會到 MATLAB 在圖像處理方面帶來的極大便利。這是一本值得相關領域研究人員與高校學生認真品讀的好書,非常值得推薦。
劉日升
大連理工大學國家示范性軟件學院副教授
香港理工大學計算科學系香江學者
2017 年 5 月 11 日


前言
MATLAB 是 MathWorks 公司推出的一款應用于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數值分析、數學建模、圖像處理、控制系統、信號處理、經濟金融、計算生物學、動態仿真等于一體的科學工程軟件。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,是一門綜合性的技術。
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項非常熱門且頗具挑戰性的研究課題,隨著數碼相機、智能手機等硬件設備的普及,圖像以其易于采集、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。信息化和數字化時代已經來臨,隨著國家對人工智能領域的不斷投入,圖像處理的需求量也會越來越大,應用也將越來越廣泛。
MATLAB 圖像處理工具箱可為用戶提供諸如圖像變換、圖像增強、圖像特征檢測、圖像復原、圖像分割、圖像去噪、圖像配準、視頻處理等功能研發的技術支撐。同時,借助于MATLAB 方便的編程及調試技巧,用戶可以根據需要進一步拓展圖像處理工具箱,實現定制的圖像處理需求。
本書目的
本書以案例的形式展現,力求為讀者提供最便捷、直接的技術支持,解決讀者在研發過程中遇到的最具體、實際的技術難點,爭取與廣大讀者分享研發過程中所涉及的功能模塊及某些成熟的系統框架,為讀者進行科學實驗、項目開發提供一定的技術支持。
通過對書中案例的閱讀、理解、運行和仿真,讀者可以有針對性地進行算法調試,這樣可以更加深刻地理解圖像與視頻處理的含義,并且更加熟練地掌握 MATLAB 圖像處理工具箱的用法。
本書特點
? 作者陣容強大,經驗相當豐富
在實際的科研工作中,本書作者劉衍琦(論壇 ID:lyqmath)是 MATLAB 技術論壇圖版主,通過運用 MATLAB 進行圖像處理、視頻分析等項目實踐,積累了較為豐富的項目實戰經驗;本書作者詹福宇(論壇 ID:dynamic)長期與國內外會員進行技術交流,積極解答會員疑問并進行經驗總結,積累了豐富的 MATLAB/Simulink 圖像處理經驗;本書作者蔣獻文多年從事醫學影像處理工作,多次參加影像處理相關研討會;本書作者周華英從事新能源汽車的教學和科研工作,曾率隊獲得全國新能源汽車大賽二等獎,具備豐富的教學實踐經驗。
? 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、程序的可拓展性”,所選案例均來自于 MATLAB 技術論壇會員的切身需求,每個案例都與實際課題相結合。另外,書中的每個案例都經過作者在 MATLAB 上進行程序調試,作者也為此編寫了大量的測試代碼。書中某些部分的內容描述是作者根據圖像處理實驗過程進行歸納總結的結果,多數案例的程序實現具有一定的原創性。
? 理論知識扎實,集眾家之長
本書編寫過程中參考了大量的 MATLAB 幫助文檔、MATLAB 相關書籍及 MATLAB 技術論壇等方面的資源,同時引用了部分參考文獻的最新圖像相關技術和理論。
? 點面完美結合,兼顧中高級用戶
本書點面兼顧,涵蓋了數字圖像處理中幾乎所有的基本模塊,并涉及視頻處理、配準拼接、數字水印、生物識別等高級圖像處理方面的內容,全面講解了基于 MATLAB 進行計算機視覺及深度學習應用的原理及方法。
? 配套資源豐富,交流資源絕佳
本書作者和編輯聯合 MATLAB 技術論壇,為廣大讀者提供“在線交流,有問必答”網絡互動答疑服務,您可以與作者一對一地探討相關知識點,以及下載書籍的輔助資料,讓您獲得最佳的閱讀體驗。您的建議將是我們創作精品的最大動力和源泉。
本書作者會盡量每周登錄網站 2∼3 次,集中回復讀者的疑難問題,但由于工作和時間等原因,作者可能無法及時回答讀者的所有問題,敬請大家諒解。只要您愿意交流和學習,MATLAB 技術論壇有足夠優秀的會員幫您解答。
內容架構
本書共有 30 個 MATLAB 圖像與視頻處理案例(含可運行程序),其內容架構如下所述。
第 1 章:講述基于直方圖優化的圖像去霧技術,通過直方圖增強技術的相關研究,引入對霧霾圖像進行優化的應用。
第 2 章:講述基于形態學的權重自適應圖像去噪,通過形態學的圖像去噪效果,引入加權形態學去噪的應用。
第 3 章:講述基于多尺度形態學提取眼前節組織,通過形態學的圖像邊緣提取效果,引入多尺度形態學的應用。
第 4 章:講述基于 Hough 變化的答題卡識別,通過對答題卡自動閱卷的研究,引入圖像分割、目標定位等領域的應用。
第 5 章:講述基于閾值分割的車牌定位識別,通過對車牌定位、分割、識別的研究,引入圖像處理在車牌識別領域的應用。
第 6 章:講述基于分水嶺分割進行肺癌診斷,通過分水嶺算法在肺部圖像分割的研究,引入分水嶺及醫學圖像處理的應用。
第 7 章:講述基于主成分分析的人臉二維碼識別,通過對主成分分析、人臉識別、QR二維碼的研究,引入 QR 人臉識別的應用。
第 8 章:講述基于知識庫的手寫體數字識別,通過對手寫數字特征的提取,引入模式識別在手寫數字方面的應用。
第 9 章:講述基于特征匹配的英文印刷字符識別,通過對英文片段圖像的分割、識別,引入在 MATLAB 中生成自定義標準字符庫、GUI 交互等領域的應用。
第 10 章:講述基于不變矩的數字驗證碼識別,通過對驗證碼生成特點、分割定位、檢測識別的研究,引入對某特定類型驗證碼從獲取到識別的應用。
第 11 章:講述基于小波技術進行圖像融合,通過對圖像融合的研究,引入小波分解、圖像多分辨率處理的應用。
第 12 章:講述基于塊匹配的全景圖像拼接,通過對全景圖像生成方法的研究,引入塊匹配、加權融合等的應用。
第 13 章:講述基于霍夫曼圖像壓縮重建,通過對霍夫曼編碼的研究,引入圖像壓縮重建的應用。
第 14 章:講述基于主成分分析的圖像壓縮和重建,通過對主成分分析的研究,引入不同壓縮參數下重建效果調優的應用。
第 15 章:講述基于小波的圖像壓縮技術,通過對小波圖像處理的研究,引入多分辨率圖像壓縮重建的應用。
第 16 章:講述基于 Hu 不變矩的圖像檢索技術,通過對圖像庫 Hu 矩特征提取的研究,引入圖像檢索的應用。
第 17 章:講述基于 Harris 的角點特征檢測,通過對 Harris 檢測算法的研究,引入圖像角點檢測的應用。
第 18 章:講述基于 GUI 搭建通用視頻處理工具,通過對 GUI、視頻圖像處理工具箱的使用,搭建 MATLAB 圖像視頻處理框架的應用。
第 19 章:講述基于語音識別的信號燈圖像模擬控制技術,通過對語音特征及建庫的研究,引入一個語音控制光信號的應用。
第 20 章:講述基于幀間差法進行視頻目標檢測,通過對視頻跟蹤的研究,引入在視頻中多目標跟蹤的應用。
第 21 章:講述路面裂縫檢測識別系統設計,通過對裂縫圖像特征、識別的研究,引入路面裂縫檢測和提取的應用。
第 22 章:講述基于 K-means 聚類算法的圖像區域分割,通過對 K 均值聚類算法的研究,引入其在圖像分割方面的應用。
第 23 章:講述基于光流場的汽車檢測跟蹤,通過對汽車視頻跟蹤的研究,引入光流場在跟蹤檢測方面的應用。
第 24 章:講述基于 Simulink 進行圖像和視頻處理,通過對 Simulink 模塊的簡介,引入其在圖像視頻處理領域的應用。
第 25 章:講述基于小波變換的數字水印技術,通過對圖像水印的相關研究,引入圖像水印嵌入、提取等的應用。
第 26 章:講述基于最小誤差法的胸片分割技術,通過對肺部影像的分割算法對比,介紹最小誤差分割算法及其應用。
第 27 章:講述基于區域生長的肝影像分割技術,通過對區域生長的相關研究,介紹了如何自動定義種子點并將其應用到肝臟影像的分割方面。
第 28 章:講述基于深度學習的汽車目標檢測應用,介紹深度學習的相關知識,基于MATLAB 的 CNN 工具箱實現汽車目標檢測的應用。
第 29 章:講述基于計算機視覺的自動駕駛應用,介紹自動駕駛的相關技術,從計算機視覺的角度分析相關應用。
第 30 章:講述基于深度學習的視覺場景識別應用,對深度學習進行深入研究,基于經典的 matconvnet 工具箱講解如何進行圖像分類識別應用。
MATLAB 技術論壇由西北工業大學航空學院 dynamic 同學于 2008 年 09 月 14 日創建,并在 2010 年 8 月 1 日對論壇管理結構進行了擴充和重組,新加入 6 名 MATLAB 高級愛好者(yaksa、matsuper、yangzijiang、faruto、rocwoods、xiezhh)!目前 MATLAB 技術論壇有注冊會員 30 多萬,管理成員 30 多名,專業版塊 80 多個,高質量主題 20000+;舉辦過編程競賽、線下研討會和數模競賽等多項活動;與多個出版單位和科研機構有合作關系!
特別致謝
本書由劉衍琦、詹福宇、蔣獻文、周華英編著,在本書的編寫過程中,得到了電子工業出版社博文視點編輯張國霞的大力支持,在此對其表示衷心的感謝。作者對本書所引用參考文獻、博客的作者表示感謝,同時對各位 MATLAB 技術論壇的會員朋友給予的啟發和幫助表示感謝。最后,感謝我的家人的默默支持!感謝女兒劉沛萌每天給我帶來的歡樂,她鼓勵我在計算機視覺應用案例方面進行積累和整理,也祝天下的小朋友們都能健康快樂地成長!
由于時間倉促,加之作者水平和經驗有限,書中難免存在疏漏及錯誤之處,希望廣大讀者批評指正。
劉衍琦
2017 年 5 月
內容簡介:

《MATLAB 計算機視覺與深度學習實戰》詳細講解了 30 個 MATLAB 計算機視覺與深度學習案例(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、人臉二維碼識別、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、基于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、胸片及肝臟分割、基于深度學習的汽車目標檢測、基于計算機視覺的自動駕駛應用、基于深度學習的視覺場景識別等多項重要技術,涵蓋了數字圖像處理中幾乎所有的基本模塊,并延伸到了深度學習的理論及其應用方面。工欲善其事,必先利其器,《MATLAB 計算機視覺與深度學習實戰》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,并詳細講解了其 MATLAB 實驗的核心程序,通過對這些示例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,并且更加熟練地掌握 MATLAB 中各種函數在圖像處理領域中的用法。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:

第 1 章 基于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 ·········· 7
1.3.4 Retinex 增強處理 ··········· 9
1.4 延伸閱讀 ············ 13
1.5 參考文獻 ············ 13
第 2 章 基于 形態學的權重自適應圖像去噪 14
2.1 案例背景 ············ 14
2.2 理論基礎 ············ 15
2.2.1 圖像去噪方法 ··········· 15
2.2.2 數學形態學原理 ·········· 16
2.2.3 權重自適應的多結構形態學去噪 ········· 16
2.3 程序實現 ············ 17
2.4 延伸閱讀 ············ 22
2.5 參考文獻 ············ 23
第 3 章 基于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 多尺度邊緣 ············ 28
3.3.2 主處理函數 ············ 29
3.3.3 形態學處理 ············ 31
3.4 延伸閱讀 ············ 33
3.5 參考文獻 ············ 33
第 4 章 基于 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
4.4 延伸閱讀 ············ 51
4.5 參考文獻 ············ 51
第 5 章 基于閾值分割的車牌定位識別 52
5.1 案例背景 ············ 52
5.2 理論基礎 ············ 52
5.2.1 車牌圖像處理 ··········· 53
5.2.2 車牌定位原理 ··········· 57
5.2.3 車牌字符處理 ··········· 57
5.2.4 字符識別 ··········· 59
5.3 程序實現 ············ 61
5.4 延伸閱讀 ············ 69
5.5 參考文獻 ············ 69
第 6 章 基于分水嶺分割進行肺癌診斷 70
6.1 案例背景 ············ 70
6.2 理論基礎 ············ 70
6.2.1 模擬浸水的過程 ·········· 71
6.2.2 模擬降水的過程 ·········· 71
6.2.3 過度分割問題 ··········· 71
6.2.4 標記分水嶺分割算法 ·········· 71
6.3 程序實現 ············ 72
6.4 延伸閱讀 ············ 77
6.5 參考文獻 ············ 78
第 7 章 基于主成分分析的人臉二維碼識別 79
7.1 案例背景 ············ 79
7.2 理論基礎 ············ 79
7.2.1 QR 編碼簡介 ············ 80
7.2.2 QR 編碼譯碼 ············ 82
7.2.3 主成分分析方法 ·········· 84
7.3 程序實現 ············ 86
7.3.1 人臉建庫 ··········· 86
7.3.2 人臉識別 ··········· 87
7.3.3 人臉二維碼 ············ 88
7.4 延伸閱讀 ············ 93
7.5 參考文獻 ············ 93
第 8 章 基于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 提高識別率 ··········· 102
8.5 參考文獻 ············102
第 9 章 基于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
9.4 延伸閱讀 ·············112
9.5 參考文獻 ·············112
第 10 章 基于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 ··········· 117
10.3.4 驗證碼數字定位 ··········· 118
10.3.5 驗證碼歸一化 ·········· 121
10.3.6 驗證碼數字識別 ··········· 122
10.3.7 手動確認并入庫 ··········· 125
10.3.8 重新生成模板庫 ··········· 127
10.4 延伸閱讀 ············129
10.5 參考文獻 ············130
第 11 章 基于小波技術進行圖像融合 131
11.1 案例背景 ············131
11.2 理論基礎 ···········132
11.3 程序實現 ···········134
11.3.1 GUI 設計 ············ 134
11.3.2 圖像載入 ············ 135
11.3.3 小波融合 ············ 136
11.4 延伸閱讀 ············139
11.5 參考文獻 ············139
第 12 章 基于塊匹配的全景圖像拼接 140
12.1 案例背景 ············140
12.2 理論基礎 ············140
12.2.1 圖像匹配 ············ 141
12.2.2 圖像融合 ············ 143
12.3 程序實現 ···········144
12.3.1 設計 GUI ············ 144
12.3.2 載入圖片 ············ 145
12.3.3 圖像匹配 ············ 147
12.3.4 圖像拼接 ············ 150
12.4 延伸閱讀 ···········156
12.5 參考文獻 ···········156
第 13 章 基于霍夫曼圖像壓縮重建 157
13.1 案例背景 ···········157
13.2 理論基礎 ···········157
13.2.1 霍夫曼編碼的步驟 ·········· 158
13.2.2 霍夫曼編碼的特點 ·········· 158
13.3 程序實現 ············160
13.3.1 設計 GUI ············ 160
13.3.2 壓縮重構 ············ 161
13.3.3 效果對比 ············ 166
13.4 延伸閱讀 ············168
13.5 參考文獻 ············169
第 14 章 基于主成分分析的圖像壓縮和重建 170
14.1 案例背景 ············170
14.2 理論基礎 ············170
14.2.1 主成分降維分析原理 ········· 170
14.2.2 由得分矩陣重建樣本 ········· 171
14.2.3 主成分分析數據壓縮比 ·········· 172
14.2.4 基于主成分分析的圖像壓縮 ········ 172
14.3 程序實現 ···········173
14.3.1 主成分分析源代碼 ·········· 173
14.3.2 圖像和樣本間轉換 ·········· 174
14.3.3 基于主成分分析的圖像壓縮 ········ 175
14.4 延伸閱讀 ············178
14.5 參考文獻 ············179
第 15 章 基于小波的圖像壓縮技術 180
15.1 案例背景 ··········· 180
15.2 理論基礎 ··········· 181
15.3 程序實現 ···········183
15.4 延伸閱讀 ···········191
15.5 參考文獻 ···········191
第 16 章 基于 Hu 不變矩的圖像檢索技術 192
16.1 案例背景 ···········192
16.2 理論基礎 ···········192
16.3 程序實現 ···········194
16.3.1 圖像預處理 ··········· 194
16.3.2 計算不變矩 ··········· 194
16.3.3 圖像檢索 ············ 196
16.3.4 結果分析 ············ 198
16.4 延伸閱讀 ···········201
16.5 參考文獻 ···········202
第 17 章 基于 Harris 的角點特征檢測 203
17.1 案例背景 ···········203
17.2 理論基礎 ···········204
17.2.1 Harris 基本原理 ·········· 204
17.2.2 Harris 算法流程 ·········· 206
17.2.3 Harris 角點性質 ·········· 206
17.3 程序實現 ············208
17.3.1 Harris 算法代碼 ·········· 208
17.3.2 角點檢測實例 ·········· 209
17.4 延伸閱讀 ············210
17.5 參考文獻 ···········211
第 18 章 基于 GUI 搭建通用視頻處理工具 212
18.1 案例背景 ···········212
18.2 理論基礎 ···········212
18.3 程序實現 ···········214
18.3.1 GUI 設計 ············ 214
18.3.2 GUI 實現 ············ 215
18.4 延伸閱讀 ···········226
18.5 參考文獻 ············226
第 19 章 基于語音識別的信號燈圖像模擬控制技術 227
19.1 案例背景 ············227
19.2 理論基礎 ···········227
19.3 程序實現 ···········229
19.4 延伸閱讀 ···········239
19.5 參考文獻 ············240
第 20 章 基于幀間差法進行視頻目標檢測 241
20.1 案例背景 ············241
20.2 理論基礎 ············241
20.2.1 幀間差分法 ··········· 242
20.2.2 背景差分法 ··········· 243
20.2.3 光流法 ··········· 243
20.3 程序實現 ············244
20.4 延伸閱讀 ············· 253
20.5 參考文獻 ············253
第 21 章 路面裂縫檢測識別系統設計 254
21.1 案例背景 ············254
21.2 理論基礎 ············254
21.2.1 圖像灰度化 ··········· 255
21.2.2 圖像濾波 ············ 257
21.2.3 圖像增強 ············ 259
21.2.4 圖像二值化 ··········· 260
21.3 程序實現 ···········262
21.4 延伸閱讀 ············274
21.5 參考文獻 ············274
第 22 章 基于 K-means 聚類算法的圖像區域分割 275
22.1 案例背景 ············275
22.2 理論基礎 ············275
22.2.1 K-means 聚類算法原理 ········· 275
22.2.2 K-means 聚類算法的要點 ·········· 276
22.2.3 K-means 聚類算法的缺點 ·········· 277
22.2.4 基于 K-means 圖像分割 ·········· 278
22.3 程序實現 ············278
22.3.1 樣本之間的巨鹿 ··········· 278
22.3.2 提取特征向量 ·········· 279
22.3.3 圖像聚類分割 ·········· 280
22.4 延伸閱讀 ············282
22.5 參考文獻 ············283
第 23 章 基于光流場的交通汽車檢測跟蹤 284
23.1 案例背景 ············284
23.2 理論基礎 ············284
23.2.1 光流法檢測運動原理 ········· 284
23.2.2 光流的主要計算方法 ········· 285
23.2.3 梯度光流場約束方程 ········· 287
23.2.4 Horn-Schunck 光流算法 ·········· 288
23.3 程序實現 ············290
23.3.1 計算視覺系統工具箱簡介 ········· 290
23.3.2 基于光流場檢測汽車運動 ········· 291
23.3.3 搭建 Simulink 運動檢測模型 ········ 295
23.4 延伸閱讀 ···········297
23.5 參考文獻 ···········298
第 24 章 基于 Simulink 進行圖像和視頻處理 299
24.1 案例背景 ············299
24.2 模塊介紹 ············ 299
24.2.1 分析和增強模塊庫(Analysis & Enhancement)······ 300
24.2.2 轉化模塊庫(Conversions) ········ 301
24.2.3 濾波 3 模塊庫(Filtering) ········ 301
24.2.4 幾何變換模塊庫(Geometric Transformations) ·····302
24.2.5 形態學操作模塊庫(Morphological Operations)······302
24.2.6 輸入模塊庫(Sources) ·········· 303
24.2.7 輸出模塊庫(Sinks)········· 303
24.2.8 統計模塊庫(Statistics)········· 304
24.2.9 文本和圖形模塊庫(Text & Graphic)········ 304
24.2.10 變換模塊庫(Transforms) ········305
24.2.11 其他工具模塊庫(Utilities) ········305
24.3 仿真案例 ···········306
24.3.1 搭建組織模型 ·········· 306
24.3.2 仿真執行模型 ·········· 308
24.3.3 代碼自動生成 ·········· 309
24.4 延伸閱讀 ············314
24.5 參考文獻 ···········316
第 25 章 基于小波變換的數字水印技術 317
25.1 案例背景 ···········317
25.2 理論基礎 ···········317
25.2.1 數字水印技術原理 ·········· 318
25.2.2 典型的數字水印算法 ········· 320
25.2.3 數字水印攻擊和評價 ········· 322
25.2.4 基于小波的水印技術 ········· 323
25.3 程序實現 ···········326
25.3.1 準備載體和水印圖像 ········· 326
25.3.2 小波數字水印的嵌入 ········· 327
25.3.3 小波數字水印的提取 ········· 331
25.3.4 小波水印的攻擊試驗 ········· 333
25.4 延伸閱讀 ···········337
25.5 參考文獻 ············337
第 26 章 基于最小誤差法的胸片分割 339
26.1 案例背景 ···········339
26.2 理論基礎 ···········339
26.2.1 圖像增強 ············ 340
26.2.2 區域選擇 ············ 340
26.2.3 形態學濾波 ··········· 341
26.2.4 最小誤差法胸片分割 ········· 342
26.3 程序實現 ···········343
26.3.1 設計 GUI 界面·········· 343
26.3.2 圖像預處理 ··········· 344
26.3.3 最小誤差法分割 ··········· 348
26.3.4 形態學后處理 ·········· 350
26.4 延伸閱讀 ···········353
26.5 參考文獻 ···········353
第 27 章 基于區域生長的肝臟影像分割系統 354
27.1 案例背景 ···········354
27.2 理論基礎 ···········355
27.2.1 閾值分割 ············ 355
27.2.2 區域生長 ············ 355
27.2.3 基于閾值預分割的區域生長 ········ 356
27.3 程序實現 ···········357
27.4 延伸閱讀 ···········361
27.5 參考文獻 ···········361
第 28 章 基于深度學習的汽車目標檢測 362
28.1 案例背景 ···········362
28.2 理論基礎 ···········363
28.2.1 基本架構 ············ 363
28.2.2 卷積層 ··········· 363
28.2.3 池化層 ··········· 365
28.3 程序實現 ············365
28.3.1 加載數據 ············ 365
28.3.2 構建 CNN 網絡··········· 367
28.3.3 訓練 CNN 網絡··········· 368
28.3.4 評估訓練效果 ·········· 370
28.4 延伸閱讀 ············372
28.5 參考文獻 ············372
第 29 章 基于計算機視覺的自動駕駛應用 374
29.1 案例背景 ············374
29.2 理論基礎 ···········375
29.2.1 環境感知 ············ 375
29.2.2 行為決策 ············ 375
29.2.3 路徑規劃 ············ 376

29.2.4 運動控制 ············ 376
29.3 程序實現 ···········376
29.3.1 傳感器數據載入 ··········· 376
29.3.2 追蹤器創建 ··········· 378
29.3.3 碰撞預警 ············ 380
29.4 延伸閱讀 ···········385
29.5 參考文獻 ···········385
第 30 章 基于深度學習的視覺場景識別 386
30.1 案例背景 ············386
30.2 理論基礎 ············387
30.2.1 發展歷程 ············ 387
30.2.2 算法思想 ············ 387
30.3 程序實現 ···········388
30.3.1 環境配置 ············ 388
30.3.2 數據集制作 ··········· 389
30.3.3 網絡訓練 ············ 391
30.3.4 網絡測試 ············ 397
30.4 延伸閱讀 ············ 400
30.5 參考文獻 ···········400
序: