游客,欢迎您!
登录
注册
您的建议
0
高级检索
全部
题名
ISBN
作者
出版社
客户端下载
个人中心
学科
哲学
哲学
经济学
理论经济学
应用经济学
法学
法学
政治学
社会学
民族学
马克思主义理论
公安学
教育学
教育学
心理学
体育学
文学
中国语言文学
外国语言文学
新闻传播学
历史学
考古学
中国史
世界史
理学
数学
物理学
化学
天文学
地理学
大气科学
海洋科学
地球物理学
地质学
生物学
系统科学
科学技术史
生态学
统计学
工学
力学
机械工程
光学工程
仪器科学与技术
材料科学与工程
冶金工程
动力工程及工程热物理
电气工程
电子科学与技术
信息与通信工程
控制科学与工程
计算机科学与技术
建筑学
土木工程
水利工程
测绘科学与技术
化学工程与技术
地质资源与地质工程
矿业工程
石油与天然气工程
纺织科学与工程
轻工技术与工程
交通运输工程
船舶与海洋工程
航空宇航科学与技术
兵器科学与技术
核科学与技术
农业工程
林业工程
环境科学与工程
生物医学工程
食品科学与工程
城乡规划学
风景园林学
软件工程
生物工程
安全科学与工程
公安技术
农学
作物学
园艺学
农业资源利用
植物保护
畜牧学
兽医学
林学
水产
草学
医学
基础医学
临床医学
口腔医学
公共卫生与预防医学
中医学
中西医结合
药学
中药学
特种医学
医学技术
护理学
军事学
军事思想及军事历史
战略学
战役学
战术学
军队指挥学
军制学
军队政治工作学
军事后勤学与军事装备学
军事装备学
军事训练学
管理学
管理科学与工程
工商管理
农林经济管理
公共管理
图书馆、情报与档案管理
艺术学
艺术学理论
音乐与舞蹈学
戏剧与影视学
美术学
设计学
中图法
A 马克思主义、列宁主义、毛泽东思想、邓小平理论
B 哲学、宗教
哲学理论
C 社会科学总论
社会学
D 政治、法律
政治理论
E 军事
军事理论
、
世界军事
F 经济
经济学
、
农业经济
G 文化、科学、教育、体育
H 语言、文字
语言学
、
汉语
I 文学
文学理论
、
世界文学
J 艺术
艺术理论
、
摄影艺术
K 历史、地理
史学理论
N 自然科学总论
系统科学
O 数理科学和化学
数学
P 天文学、地球科学
天文学
Q 生物科学
植物学
、
动物学
R 医药、卫生
医学研究方法
S 农业科学
农业经济
、
园艺
T 工业技术
工业技术理论
U 交通运输
交通运输经济
V 航空、航天
航空、航天医学
X 环境科学、安全科学
Z 综合性图书
丛书
、
辞典
首页
新书专区
专题推荐
排行榜
数字资源平台
>
工学
>
计算机科学与技术(可授工学、理学学位)
>
计算机视觉:核心技术、算法与开发实战
阅读次数:
5
下载次数:
3
荐购次数:
0
收藏次数:
0
计算机视觉:核心技术、算法与开发实战
作者:
王丽
编著
出版社:
中国铁道出版社有限公司
出版时间:
2024.06
ISBN:
978-7-113-31152-0
主题:
计算机视觉
中图法分类号:
TP302.7
【中图法分类】
T 工业技术
>
TP自动化技术、计算机技术
>
TP3计算技术、计算机技术
>
TP30一般性问题
【学科分类】
工学
>
计算机科学与技术(可授工学、理学学位)
建议阅读终端:
扫描用手机阅读此书支持Android/iPhone
在线试读
PDF格式
下载
PDF下载
分享到
新浪微博
QQ空间
豆瓣网
注:如果您的电脑尚未安装PC客户端,请先
安装客户端
后再下载阅读!
编辑推荐
简介
目录
评论
暂无推荐
简介
本书共11章,依次讲解了图像视觉技术基础,图像的采样、变换和卷积处理,图像增强处理,图像特征提取处理,图像分割处理,目标检测处理,图像分类处理,鲜花识别系统开发,智能素描绘图系统开发,小区AI停车计费管理系统开发和机器人智能物体识别系统开发。
目录
封面
书名页
版权页
前言
目录
第1章 图像视觉技术基础
1.1 图像识别概述
1.1.1 什么是图像识别
1.1.2 图像识别的发展阶段
1.1.3 图像识别的应用
1.2 图像识别的步骤
1.3 图像识别技术
1.3.1 人工智能
1.3.2 机器学习
1.3.3 深度学习
1.3.4 基于神经网络的图像识别
1.3.5 基于非线性降维的图像识别
第2章 图像的采样、变换和卷积处理
2.1 采样
2.1.1 最近邻插值采样
2.1.2 双线性插值
2.1.3 双立方插值
2.1.4 lanczos插值
2.2 离散傅里叶变换(DFT)
2.2.1 为什么使用DFT
2.2.2 使用NumPy库实现DFT
2.2.3 使用SciPy库实现DFT
2.2.4 用快速傅里叶变换算法计算DFT
2.3 卷积
2.3.1 为什么需要卷积图像
2.3.2 使用SciPy库中的函数convolve2d()进行卷积操作
2.3.3 使用SciPy库中的函数ndimage.convolve()进行卷积操作
2.4 频域滤波
2.4.1 什么是滤波器
2.4.2 高通滤波器
2.4.3 低通滤波器
2.4.4 DoG带通滤波器
2.4.5 带阻滤波器
第3章 图像增强处理
3.1 对比度增强
3.1.1 直方图均衡化
3.1.2 自适应直方图均衡化
3.1.3 对比度拉伸
3.1.4 非线性对比度增强
3.2 锐化
3.2.1 锐化滤波器
3.2.2 高频强调滤波
3.2.3 基于梯度的锐化
3.3 噪声减少
3.3.1 均值滤波器
3.3.2 中值滤波器
3.3.3 高斯滤波器
3.3.4 双边滤波器
3.3.5 小波降噪
3.4 色彩平衡
3.4.1 白平衡
3.4.2 颜色校正
3.4.3 调整色调和饱和度
3.5 超分辨率
3.6 去除运动模糊
3.6.1 边缘
3.6.2 逆滤波
3.6.3 统计方法
3.6.4 盲去卷积
第4章 图像特征提取处理
4.1 图像特征提取方法
4.2 颜色特征
4.2.1 颜色直方图
4.2.2 其他颜色特征提取方法
4.3 纹理特征
4.3.1 灰度共生矩阵
4.3.2 方向梯度直方图
4.3.3 尺度不变特征变换
4.3.4 小波变换
4.4 形状特征
4.4.1 边界描述子
4.4.2 预处理后的轮廓特征
4.4.3 模型拟合方法
4.4.4 形状上的变换
4.5 基于LoG、DoG和DoH的斑点检测器
4.5.1 LoG
4.5.2 DoG
4.5.3 DoH
第5章 图像分割处理
5.1 图像分割的重要性
5.2 基于阈值的分割
5.2.1 灰度阈值分割
5.2.2 彩色阈值分割
5.3 基于边缘的分割
5.3.1 canny边缘检测
5.3.2 边缘连接方法
5.4 基于区域的分割
5.4.1 区域生长算法
5.4.2 基于图论的分割算法
5.4.3 基于聚类的分割算法
5.5 最小生成树算法
5.6 基于深度学习的分割
5.6.1 FCN(全卷积网络)
5.6.2 U-Net
5.6.3 DeepLab
5.6.4 Mask R-CNN
第6章 目标检测处理
6.1 目标检测介绍
6.1.1 目标检测的步骤
6.1.2 目标检测的方法
6.2 YOLO v5
6.2.1 YOLO v5的改进
6.2.2 基于YOLO v5的训练、验证和预测
6.3 语义分割
6.3.1 什么是语义分割
6.3.2 DeepLab语义分割
6.4 SSD目标检测
6.4.1 摄像头目标检测
6.4.2 基于图像的目标检测
第7章 图像分类处理
7.1 图像分类介绍
7.2 基于特征提取和机器学习的图像分类
7.2.1 基本流程
7.2.2 基于scikit-learn机器学习的图像分类
7.2.3 分类算法
7.2.4 聚类算法
7.3 基于卷积神经网络的图像分类
7.3.1 卷积神经网络基本结构
7.3.2 第一个卷积神经网络程序
7.3.3 使用卷积神经网络进行图像分类
7.4 基于迁移学习的图像分类
7.4.1 迁移学习介绍
7.4.2 基于迁移学习的图片分类器
7.5 基于循环神经网络的图像分类
7.5.1 循环神经网络介绍
7.5.2 实战演练
7.6 基于卷积循环神经网络的图像分类
7.6.1 卷积循环神经网络介绍
7.6.2 CRNN图像识别器
第8章 鲜花识别系统开发
8.1 系统介绍
8.2 创建模型
8.2.1 创建TensorFlow数据模型
8.2.2 将Keras模型转换为TensorFlow Lite
8.2.3 量化处理
8.2.4 更改模型
8.3 识别器的具体实现
8.3.1 准备工作
8.3.2 页面布局
8.3.3 实现UI Activity
8.3.4 实现主Activity
8.3.5 图像转换
8.3.6 使用GPU委托加速
第9章 智能素描绘图系统开发
9.1 背景介绍
9.2 需求分析
9.3 功能模块
9.4 预处理
9.4.1 低动态范围配置
9.4.2 图像处理和调整
9.4.3 获取原始图像的笔画
9.4.4 方向检测
9.4.5 去蓝处理
9.4.6 图像合成
9.4.7 快速排序
9.4.8 侧窗滤波
9.5 开始绘图
9.5.1 基于边缘绘画的绘图程序
9.5.2 绘制铅笔画
第10章 小区AI停车计费管理系统开发
10.1 背景介绍
10.2 系统功能分析和模块设计
10.2.1 功能分析
10.2.2 系统模块设计
10.3 系统GUI
10.3.1 设置基本信息
10.3.2 绘制操作按钮
10.3.3 绘制背景和文字
10.4 车牌识别和收费
10.4.1 登记业主的车辆信息
10.4.2 识别车牌
10.4.3 计算停车时间
10.4.4 识别车牌并计费
10.5 主程序
第11章 机器人智能物体识别系统开发
11.1 背景介绍
11.2 物体识别
11.2.1 物体识别介绍
11.2.2 物体识别的挑战
11.2.3 图像特征的提取方法
11.3 系统介绍
11.4 准备模型
11.4.1 模型介绍
11.4.2 自定义模型
11.5 基于Android的机器人智能检测器
11.5.1 准备工作
11.5.2 页面布局
11.5.3 实现主Activity
11.5.4 物体识别界面
11.5.5 摄像机预览界面拼接
11.5.6 lib_task_api方案
11.5.7 lib_interpreter方案
11.6 基于iOS的机器人智能检测器
11.6.1 系统介绍
11.6.2 视图文件
11.6.3 摄像机处理
11.6.4 处理TensorFlow Lite模型
11.7 调试运行
封底
展开 ∨
评论
评分:
1
2
3
4
5
评价:
请输入评论信息
5
0
/255
我要评论
全部评论(0)
默认排序
默认排序
最新排序
相关推荐
请输入图形验证码
换一换
Loading...