人工智能與電影特效制作及應用

第１章數(shù)字圖像基礎(chǔ) １
１．１ 數(shù)字圖像處理的概念 １
１．２ 數(shù)字圖像處理的應用 ２
１．３ 圖像數(shù)字化的概念 ２
１．４ 圖像采樣與量化 ３
１．５ 直方圖 ６
１．６ 讀取、顯示和保存圖像案例 ９
第２章 空域處理 １２
２．１ 點運算 １２
２．２ 代數(shù)運算 １４
２．３ 仿射變換 １６
第３章 頻域處理 ３３
３．１ 二維離散傅里葉變換 ３３
３．２ 快速傅里葉變換 ３５
３．３ 傅里葉變換中的高頻低頻分量 ３６
３．４ 離散余弦變換 ４２
３．５ 卷積定理 ４４
３．６ 濾波器設(shè)計 ５０
３．７ 卷積函數(shù)案例 ５３
３．８ 中值濾波與維納濾波 ５５
第４章 圖像邊緣檢測 ５７
４．１ 邊緣的定義 ５７
４．２ 灰度閾值法分割 ５７
４．３ 邊緣檢測案例 ５８
第５章 圖像壓縮與編碼 ６２
５．１ 圖像壓縮概述 ６２
５．２ 圖像編碼 ６４
５．３ 圖像壓縮與傳輸模型 ６６
５．４ 常見無損編碼方式 ６７
第６章 數(shù)學形態(tài)學 ７５
６．１ 數(shù)學形態(tài)學的步驟與優(yōu)勢 ７５
６．２ 與數(shù)學形態(tài)學相關(guān)的集合的基本概念 ７５
６．３ 膨脹和腐蝕 ７６
６．４ 開運算和閉運算 ８０
６．５ 基本的形態(tài)學算法應用 ８２
６．６ 灰度形態(tài)學 ８３
第７章 特征識別基礎(chǔ) ８６
７．１ 霍夫變換 ８６
７．２ 拉東變換 ８９
第８章 人工智能理論基礎(chǔ) ９２
８．１ 人工智能的定義與發(fā)展 ９２
８．２ 機器學習概述 ９３
８．３ 線性回歸 ９４
８．４ 感知機與前饋神經(jīng)網(wǎng)絡(luò) ９７
８．５ 線性判別分析 １００
８．６ 決策樹 １０３
８．７ 樸素貝葉斯 １０７
８．８ Ｋ近鄰算法 １１０
８．９ 支持向量機 １１２
８．１０ 聚類 １１７
第９章 神經(jīng)網(wǎng)絡(luò)的簡單實現(xiàn) １２１
９．１ Ｐｙｔｈｏｎ環(huán)境配置 １２１
９．２ 數(shù)學函數(shù)庫Ｎｕｍｐｙ １２４
９．３ 神經(jīng)網(wǎng)絡(luò)框架Ｐｙｔｏｒｃｈ １２９
９．４ 卷積神經(jīng)網(wǎng)絡(luò) １３３
９．５ 手寫數(shù)字識別 １４３
９．６ 多分類任務(wù) １４７
第１０章 光流網(wǎng)絡(luò) １５１
１０．１ 光流計算原理 １５１
１０．２ Ｌｕｃａｓ Ｋａｎａｄｅ光流估計算法 １５２
１０．３ Ｆａｒｎｅｂａｃｋ稠密光流 １５６
１０．４ 光流數(shù)據(jù)集ＦｌｙｉｎｇＣｈａｉｒｓ １５８
１０．５ ＦｌｏｗＮｅｔ網(wǎng)絡(luò) １５９
１０．６ ＦｌｏｗＮｅｔ２．０網(wǎng)絡(luò) １６６
第１１章 生成對抗網(wǎng)絡(luò) １７１
１１．１ 生成對抗網(wǎng)絡(luò)概述 １７１
１１．２ 利用生成對抗網(wǎng)絡(luò)進行超分辨率圖像生成 １７９
１１．３ 利用生成對抗網(wǎng)絡(luò)進行圖像風格遷移 １８１
第１２章 神經(jīng)網(wǎng)絡(luò)綜合應用 １８５
１２．１ 著色網(wǎng)絡(luò) １８５
１２．２ ＡｒｔＬｉｎｅ圖像線框提取 １８７
１２．３ 人體姿態(tài)估計 １８９
參考文獻 １９９