計(jì)算機(jī)視覺與應(yīng)用

定　價(jià)：￥45.00

作　者：	方水平宋玉娥
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787111735830	出版時(shí)間：	2023-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	196	字?jǐn)?shù)：

內(nèi)容簡介

　　本書系統(tǒng)地介紹了計(jì)算機(jī)視覺主要任務(wù)及實(shí)現(xiàn)原理，包括圖像濾波、圖像變換、圖像特征提取與匹配、目標(biāo)檢測、目標(biāo)跟蹤、目標(biāo)識別、目標(biāo)三維重構(gòu)、圖像分類、神經(jīng)網(wǎng)絡(luò)等。本書可作為“計(jì)算機(jī)視覺與應(yīng)用”課程的培訓(xùn)教材，或人工智能技術(shù)應(yīng)用專業(yè)的計(jì)算機(jī)視覺應(yīng)用開發(fā)課程的教材，也可以作為人工智能應(yīng)用領(lǐng)域相關(guān)技術(shù)人員的自學(xué)參考書。為方便教學(xué)，本書配備電子課件等教學(xué)資源。凡選用本書作為教材的教師均可登錄機(jī)械工業(yè)出版社教育服務(wù)網(wǎng)ｗｗｗ..ｃｍｐｅｄｕ..ｃｏｍ注冊后免費(fèi)下載。

作者簡介

暫缺《計(jì)算機(jī)視覺與應(yīng)用》作者簡介

圖書目錄

前言
二維碼索引
章
計(jì)算機(jī)視覺與應(yīng)用導(dǎo)論
1.1　計(jì)算機(jī)視覺概述００１
1.2　計(jì)算機(jī)視覺編程工具及環(huán)境配置００６
１.２.１　計(jì)算機(jī)視覺編程工具００６
１.２.２　計(jì)算機(jī)視覺開發(fā)環(huán)境搭建００８
第2 章
圖像濾波
2.1　數(shù)字圖像概述０２１
２.１.１　數(shù)字圖像的基本概念０２１
２.１.２　圖像文件格式０２５
2.2　圖像濾波及其應(yīng)用０２７
２.２.１　圖像點(diǎn)運(yùn)算０２７
２.２.２　圖像濾波０３１
2.3　形態(tài)學(xué)處理０４０
２.３.１　膨脹運(yùn)算０４２
２.３.２　腐蝕運(yùn)算０４４
２.３.３　開運(yùn)算與閉運(yùn)算０４６
２.３.４　形態(tài)學(xué)梯度０４７
２.３.５　頂帽和黑帽運(yùn)算０４９
第3 章
圖像變換
3.1　圖像采樣與插值０５０
３.１.１　圖像采樣０５０
３.１.２　圖像插值０５２
3.2　圖像變換０５９
３.２.１　灰度變換０５９
３.２.２　圖像幾何變換０６２
３.２.３　圖像變換應(yīng)用案例０７１
第4 章
圖像特征提取與匹配
4.1　幾何特征０７４
４.１.１　圖像梯度０７５
４.１.２　圖像邊緣０７６
４.１.３　角點(diǎn)特征０８０
４.１.４　形狀特征０８５
4.2　圖像紋理特征０８５
４.２.１　圖像紋理特征定義０８５
４.２.２　紋理特征分析０８６
４.２.３　紋理合成０８９
4.3　局部圖像特征０９２
第5 章
目標(biāo)檢測
5.1　目標(biāo)檢測簡介１０３
5.2　目標(biāo)檢測算法１０３
５.２.１　傳統(tǒng)的目標(biāo)檢測算法１０４
５.２.２　基于深度學(xué)習(xí)的目標(biāo)檢測算法１０９
5.3　人臉檢測１１４
５.３.１　人臉檢測算法１１４
５.３.２　基于ＯｐｅｎＣＶ實(shí)現(xiàn)人臉檢測１１６
５.３.３　基于ＯｐｅｎＣＶ實(shí)現(xiàn)人臉識別１１９
5.4　增強(qiáng)現(xiàn)實(shí) １２４
第6 章
目標(biāo)跟蹤
6.1　目標(biāo)跟蹤概述１２８
6.2　目標(biāo)跟蹤方法１３２
６.２.１　基于相關(guān)濾波的跟蹤算法１３２
６.２.２　基于深度學(xué)習(xí)的跟蹤方法１３５
６.２.３　跨鏡追蹤１３８
第7 章
目標(biāo)識別
7.1　目標(biāo)識別概述１４０
7.2　目標(biāo)識別的應(yīng)用１４３
第8 章
目標(biāo)三維重構(gòu)
8.1　計(jì)算機(jī)視覺三維重構(gòu)的理論基礎(chǔ) １４８
8.2　相機(jī)標(biāo)定１５４
8.3　三維場景重建１５９
8.4　三維場景重建技術(shù)的應(yīng)用１６０
第9 章
圖像分類
9.1　機(jī)器學(xué)習(xí)概述１６３
9.2　機(jī)器學(xué)習(xí)算法應(yīng)用開發(fā)流程１６４
9.3　圖像分類概述１６４
9.4　基于機(jī)器學(xué)習(xí)的圖像分類算法１６７
9.5　機(jī)器學(xué)習(xí)模型評價(jià)方法１７１
9.6　損失函數(shù) １７３
0 章
神經(jīng)網(wǎng)絡(luò)
10.1　深度學(xué)習(xí)概述１７６
10.2　卷積神經(jīng)網(wǎng)絡(luò) １７６
10.3　LeNet 模型１８１
10.4　VGG16 模型１８４
10.5　AlexNet 模型１８９
參考文獻(xiàn) １９６