MATLAB计算机视觉与深度学习实战 azw3 网盘 高速 下载地址大全 免费

《MATLAB 计算机视觉与深度学习实战》详细讲解了30个 MATLAB 计算机视觉与深度学习案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink 图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别等多项重要技术，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及其应用方面。 工欲善其事，必先利其器，《MATLAB 计算机视觉与深度学习实战》对每个数字图像处理的知识点都提供了丰富生动的案例素材，并详细讲解了其 MATLAB 实验的核心程序，通过对这些示例程序的阅读理解和仿真运行，读者可以更加深刻地理解图像处理的内容，并且更加熟练地掌握 MATLAB 中各种函数在图像处理领域中的用法。 《MATLAB计算机视觉与深度学习实战》以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。

第 1 章 基于直方图优化的图像去雾技术 1 1.1 案例背景 1 1.2 理论基础 1 1.2.1 空域图像增强 1 1.2.2 直方图均衡化 2 1.3 程序实现 3 1.3.1 设计 GUI 界面 4 1.3.2 全局直方图处理 4 1.3.3 局部直方图处理 7 1.3.4 Retinex 增强处理 9 1.4 延伸阅读 13 1.5 参考文献 13 第 2 章 基于 形态学的权重自适应图像去噪 14 2.1 案例背景 14 2.2 理论基础 15 2.2.1 图像去噪方法 15 2.2.2 数学形态学原理 16 2.2.3 权重自适应的多结构形态学去噪 16 2.3 程序实现 17 2.4 延伸阅读 22 2.5 参考文献 23 第 3 章 基于多尺度形态学提取眼前节组织 24 3.1 案例背景 24 3.2 理论基础 25 3.3 程序实现 28 3.3.1 多尺度边缘 28 3.3.2 主处理函数 29 3.3.3 形态学处理 31 3.4 延伸阅读 33 3.5 参考文献 33 第 4 章 基于 Hough 变化的答题卡识别 34 4.1 案例背景 34 4.2 理论基础 34 4.2.1 图像二值化 35 4.2.2 倾斜校正 35 4.2.3 图像分割 38 4.3 程序实现 40 4.4 延伸阅读 51 4.5 参考文献 51 第 5 章 基于阈值分割的车牌定位识别 52 5.1 案例背景 52 5.2 理论基础 52 5.2.1 车牌图像处理 53 5.2.2 车牌定位原理 57 5.2.3 车牌字符处理 57 5.2.4 字符识别 59 5.3 程序实现 61 5.4 延伸阅读 69 5.5 参考文献 69 第 6 章 基于分水岭分割进行肺癌诊断 70 6.1 案例背景 70 6.2 理论基础 70 6.2.1 模拟浸水的过程 71 6.2.2 模拟降水的过程 71 6.2.3 过度分割问题 71 6.2.4 标记分水岭分割算法 71 6.3 程序实现 72 6.4 延伸阅读 77 6.5 参考文献 78 第 7 章 基于主成分分析的人脸二维码识别 79 7.1 案例背景 79 7.2 理论基础 79 7.2.1 QR 编码简介 80 7.2.2 QR 编码译码 82 7.2.3 主成分分析方法 84 7.3 程序实现 86 7.3.1 人脸建库 86 7.3.2 人脸识别 87 7.3.3 人脸二维码 88 7.4 延伸阅读 93 7.5 参考文献 93 第 8 章 基于知识库的手写体数字识别 94 8.1 案例背景 94 8.2 理论基础 94 8.2.1 算法流程 94 8.2.2 特征提取 95 8.2.3 模式识别 96 8.3 程序实现 97 8.3.1 图像处理 97 8.3.2 特征提取 98 8.3.3 模式识别 101 8.4 延伸阅读 102 8.4.1 识别器选择 102 8.4.2 提高识别率 102 8.5 参考文献 102 第 9 章 基于特征匹配的英文印刷字符识别 103 9.1 案例背景 103 9.2 理论基础 104 9.2.1 图像预处理 104 9.2.2 图像识别技术 105 9.3 程序实现 106 9.4 延伸阅读 112 9.5 参考文献 112 第 10 章 基于不变矩的数字验证码识别 113 10.1 案例背景 113 10.2 理论基础 114 10.3 程序实现 114 10.3.1 设计 GUI 界面· 114 10.3.2 载入验证码图像 115 10.3.3 验证码图像去噪 117 10.3.4 验证码数字定位 118 10.3.5 验证码归一化 121 10.3.6 验证码数字识别 122 10.3.7 手动确认并入库 125 10.3.8 重新生成模板库 127 10.4 延伸阅读 129 10.5 参考文献 130 第 11 章 基于小波技术进行图像融合 131 11.1 案例背景 131 11.2 理论基础 132 11.3 程序实现 134 11.3.1 GUI 设计 134 11.3.2 图像载入 135 11.3.3 小波融合 136 11.4 延伸阅读 139 11.5 参考文献 139 第 12 章 基于块匹配的全景图像拼接 140 12.1 案例背景 140 12.2 理论基础 140 12.2.1 图像匹配 141 12.2.2 图像融合 143 12.3 程序实现 144 12.3.1 设计 GUI 144 12.3.2 载入图片 145 12.3.3 图像匹配 147 12.3.4 图像拼接 150 12.4 延伸阅读 156 12.5 参考文献 156 第 13 章 基于霍夫曼图像压缩重建 157 13.1 案例背景 157 13.2 理论基础 157 13.2.1 霍夫曼编码的步骤 158 13.2.2 霍夫曼编码的特点 158 13.3 程序实现 160 13.3.1 设计 GUI 160 13.3.2 压缩重构 161 13.3.3 效果对比 166 13.4 延伸阅读 168 13.5 参考文献 169 第 14 章 基于主成分分析的图像压缩和重建 170 14.1 案例背景 170 14.2 理论基础 170 14.2.1 主成分降维分析原理 170 14.2.2 由得分矩阵重建样本 171 14.2.3 主成分分析数据压缩比 172 14.2.4 基于主成分分析的图像压缩 172 14.3 程序实现 173 14.3.1 主成分分析源代码 173 14.3.2 图像和样本间转换 174 14.3.3 基于主成分分析的图像压缩 175 14.4 延伸阅读 178 14.5 参考文献 179 第 15 章 基于小波的图像压缩技术 180 15.1 案例背景 180 15.2 理论基础 181 15.3 程序实现 183 15.4 延伸阅读 191 15.5 参考文献 191 第 16 章 基于 Hu 不变矩的图像检索技术 192 16.1 案例背景 192 16.2 理论基础 192 16.3 程序实现 194 16.3.1 图像预处理 194 16.3.2 计算不变矩 194 16.3.3 图像检索 196 16.3.4 结果分析 198 16.4 延伸阅读 201 16.5 参考文献 202 第 17 章 基于 Harris 的角点特征检测 203 17.1 案例背景 203 17.2 理论基础 204 17.2.1 Harris 基本原理 204 17.2.2 Harris 算法流程 206 17.2.3 Harris 角点性质 206 17.3 程序实现 208 17.3.1 Harris 算法代码 208 17.3.2 角点检测实例 209 17.4 延伸阅读 210 17.5 参考文献 211 第 18 章 基于 GUI 搭建通用视频处理工具 212 18.1 案例背景 212 18.2 理论基础 212 18.3 程序实现 214 18.3.1 GUI 设计 214 18.3.2 GUI 实现 215 18.4 延伸阅读 226 18.5 参考文献 226 第 19 章 基于语音识别的信号灯图像模拟控制技术 227 19.1 案例背景 227 19.2 理论基础 227 19.3 程序实现 229 19.4 延伸阅读 239 19.5 参考文献 240 第 20 章 基于帧间差法进行视频目标检测 241 20.1 案例背景 241 20.2 理论基础 241 20.2.1 帧间差分法 242 20.2.2 背景差分法 243 20.2.3 光流法 243 20.3 程序实现 244 20.4 延伸阅读 253 20.5 参考文献 253 第 21 章 路面裂缝检测识别系统设计 254 21.1 案例背景 254 21.2 理论基础 254 21.2.1 图像灰度化 255 21.2.2 图像滤波 257 21.2.3 图像增强 259 21.2.4 图像二值化 260 21.3 程序实现 262 21.4 延伸阅读 274 21.5 参考文献 274 第 22 章 基于 K-means 聚类算法的图像区域分割 275 22.1 案例背景 275 22.2 理论基础 275 22.2.1 K-means 聚类算法原理 275 22.2.2 K-means 聚类算法的要点 276 22.2.3 K-means 聚类算法的缺点 277 22.2.4 基于 K-means 图像分割 278 22.3 程序实现 278 22.3.1 样本之间的巨鹿 278 22.3.2 提取特征向量 279 22.3.3 图像聚类分割 280 22.4 延伸阅读 282 22.5 参考文献 283 第 23 章 基于光流场的交通汽车检测跟踪 284 23.1 案例背景 284 23.2 理论基础 284 23.2.1 光流法检测运动原理 284 23.2.2 光流的主要计算方法 285 23.2.3 梯度光流场约束方程 287 23.2.4 Horn-Schunck 光流算法 288 23.3 程序实现 290 23.3.1 计算视觉系统工具箱简介 290 23.3.2 基于光流场检测汽车运动 291 23.3.3 搭建 Simulink 运动检测模型 295 23.4 延伸阅读 297 23.5 参考文献 298 第 24 章 基于 Simulink 进行图像和视频处理 299 24.1 案例背景 299 24.2 模块介绍 299 24.2.1 分析和增强模块库（Analysis & Enhancement）· 300 24.2.2 转化模块库（Conversions） 301 24.2.3 滤波 3 模块库（Filtering） 301 24.2.4 几何变换模块库（Geometric Transformations） 302 24.2.5 形态学操作模块库（Morphological Operations） 302 24.2.6 输入模块库（Sources） 303 24.2.7 输出模块库（Sinks）· 303 24.2.8 统计模块库（Statistics） 304 24.2.9 文本和图形模块库（Text & Graphic）· 304 24.2.10 变换模块库（Transforms） 305 24.2.11 其他工具模块库（Utilities） 305 24.3 仿真案例 306 24.3.1 搭建组织模型 306 24.3.2 仿真执行模型 308 24.3.3 代码自动生成 309 24.4 延伸阅读 314 24.5 参考文献 316 第 25 章 基于小波变换的数字水印技术 317 25.1 案例背景 317 25.2 理论基础 317 25.2.1 数字水印技术原理 318 25.2.2 典型的数字水印算法 320 25.2.3 数字水印攻击和评价 322 25.2.4 基于小波的水印技术 323 25.3 程序实现 326 25.3.1 准备载体和水印图像 326 25.3.2 小波数字水印的嵌入 327 25.3.3 小波数字水印的提取 331 25.3.4 小波水印的攻击试验 333 25.4 延伸阅读 337 25.5 参考文献 337 第 26 章 基于最小误差法的胸片分割 339 26.1 案例背景 339 26.2 理论基础 339 26.2.1 图像增强 340 26.2.2 区域选择 340 26.2.3 形态学滤波 341 26.2.4 最小误差法胸片分割 342 26.3 程序实现 343 26.3.1 设计 GUI 界面· 343 26.3.2 图像预处理 344 26.3.3 最小误差法分割 348 26.3.4 形态学后处理 350 26.4 延伸阅读 353 26.5 参考文献 353 第 27 章 基于区域生长的肝脏影像分割系统 354 27.1 案例背景 354 27.2 理论基础 355 27.2.1 阈值分割 355 27.2.2 区域生长 355 27.2.3 基于阈值预分割的区域生长 356 27.3 程序实现 357 27.4 延伸阅读 361 27.5 参考文献 361 第 28 章 基于深度学习的汽车目标检测 362 28.1 案例背景 362 28.2 理论基础 363 28.2.1 基本架构 363 28.2.2 卷积层 363 28.2.3 池化层 365 28.3 程序实现 365 28.3.1 加载数据 365 28.3.2 构建 CNN 网络 367 28.3.3 训练 CNN 网络 368 28.3.4 评估训练效果 370 28.4 延伸阅读 372 28.5 参考文献 372 第 29 章 基于计算机视觉的自动驾驶应用 374 29.1 案例背景 374 29.2 理论基础 375 29.2.1 环境感知 375 29.2.2 行为决策 375 29.2.3 路径规划 376 29.2.4 运动控制 376 29.3 程序实现 376 29.3.1 传感器数据载入 376 29.3.2 追踪器创建 378 29.3.3 碰撞预警 380 29.4 延伸阅读 385 29.5 参考文献 385 第 30 章 基于深度学习的视觉场景识别 386 30.1 案例背景 386 30.2 理论基础 387 30.2.1 发展历程 387 30.2.2 算法思想 387 30.3 程序实现 388 30.3.1 环境配置 388 30.3.2 数据集制作 389 30.3.3 网络训练 391 30.3.4 网络测试 397 30.4 延伸阅读 400 30.5 参考文献 400

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！