MATLAB計算機視覺與深度學習實戰(zhàn)（第2版）

第1章  基于圖像增強方法的圖像去霧技術
1.1  案例背景
1.2  空域圖像增強
1.3  直方圖均衡化
1.4  程序實現(xiàn)
1.4.1  設計GUI
1.4.2  全局直方圖均衡化處理
1.4.3  限制對比度的自適應直方圖均衡化處理
1.4.4  Retinex增強處理
1.4.5  方法評測
第2章  基于Hough變換的答題卡識別
2.1  案例背景
2.2  圖像二值化
2.3  傾斜校正
2.4  圖像分割
2.5  程序實現(xiàn)
2.5.1  圖像灰度化
2.5.2  灰度圖像二值化
2.5.3  圖像平滑濾波
2.5.4  圖像校正
2.5.5  完整性核查
第3章  基于聚類算法的圖像分割
3.1  案例背景
3.2  K-means聚類算法的原理
3.3  K-means聚類算法的特點
3.4  K-means聚類算法的缺點
3.5  基于K-means聚類算法進行圖像分割
3.6  程序實現(xiàn)
3.6.1  數(shù)據(jù)樣本間的距離
3.6.2  提取特征向量
3.6.3  圖像聚類分割
第4章  基于區(qū)域生長的肝臟影像輔助分割系統(tǒng)
4.1  案例背景
4.2  閾值分割算法
4.3  區(qū)域生長算法
4.4  基于閾值預分割的區(qū)域生長算法
4.5  程序實現(xiàn)
第5章  基于主成分分析的人臉二維碼編解碼系統(tǒng)
5.1  案例背景
5.2  QR編碼簡介
5.2.1  QR編碼的符號結構
5.2.2  QR編碼的基本特性
5.2.3  QR編碼的流程
5.2.4  QR譯碼的流程
5.3  主成分分析
5.4  程序實現(xiàn)
5.4.1  人臉建庫
5.4.2  人臉識別
5.4.3  人臉二維碼
第6章  基于特征匹配的英文印刷體字符識別
6.1  案例背景
6.2  圖像預處理
6.3  圖像識別技術
6.4  程序實現(xiàn)
6.4.1  設計GUI
6.4.2  回調識別
第7章  基于小波變換的圖像融合
7.1  案例背景
7.2  小波變換
7.3  程序實現(xiàn)
7.3.1  設計GUI
7.3.2  圖像載入
7.3.3  小波融合
第8章  基于塊匹配的全景圖像拼接
8.1  案例背景
8.2  圖像拼接
8.3  圖像匹配
8.4  圖像融合
8.5  程序實現(xiàn)
8.5.1  設計GUI
8.5.2  載入圖像
8.5.3  圖像匹配
8.5.4  圖像拼接
第9章  基于主成分分析的圖像壓縮和重建
9.1  案例背景
9.2  主成分分析降維的原理
9.3  由得分矩陣重建樣本
9.4  主成分分析數(shù)據(jù)壓縮比
9.5  基于主成分分析的圖像壓縮
9.6  程序實現(xiàn)
9.6.1  主成分分析的代碼實現(xiàn)
9.6.2  圖像與樣本間的轉換
9.6.3  基于主成分分析的圖像壓縮
第10章  基于小波變換的圖像壓縮
10.1  案例背景
10.2  圖像壓縮基礎
10.3  程序實現(xiàn)
第11章  基于GUI搭建通用的視頻處理工具
11.1  案例背景
11.2  視頻解析
11.3  程序實現(xiàn)
11.3.1  設計GUI
11.3.2  實現(xiàn)GUI
第12章  基于幀間差分法進行運動目標檢測
12.1  案例背景
12.2  幀間差分法
12.3  背景差分法
12.4  光流法
12.5  程序實現(xiàn)
第13章  路面裂縫檢測識別系統(tǒng)設計
13.1  案例背景
13.2  圖像灰度化
13.3  圖像濾波
13.4  圖像增強
13.5  圖像二值化
13.6  程序實現(xiàn)
第14章  基于光流場的車流量計數(shù)
14.1  案例背景
14.2  光流法檢測運動物體的基本原理
14.3  光流場的計算方法
14.4  梯度光流場約束方程
14.5  Horn-Schunck算法
14.6  程序實現(xiàn)
14.6.1  計算視覺系統(tǒng)工具箱簡介
14.6.2  基于光流場檢測汽車運動
第15章  基于鄰域支持的三維網(wǎng)格模型特征點提取
15.1  案例背景
15.2  網(wǎng)格特征提取
15.2.1  鄰域支持
15.2.2  網(wǎng)格特征點提取
15.3  程序實現(xiàn)
第16章  基于小波變換的數(shù)字水印技術
16.1  案例背景
16.2  數(shù)字水印技術原理
16.3  典型的數(shù)字水印算法
16.4  數(shù)字水印攻擊和評價
16.5  基于小波變換的水印技術
16.6  程序實現(xiàn)
16.6.1  準備宿主圖像和水印圖像
16.6.2  小波數(shù)字水印的嵌入
16.6.3  小波數(shù)字水印的檢測和提取
16.6.4  小波數(shù)字水印的攻擊實驗
第17章  基于BEMD與Hilbert曲線的圖像水印技術
17.1  案例背景
17.2  BEMD與Hilbert曲線
17.2.1  相關工作
17.2.2  案例算法
17.3  程序實現(xiàn)
17.3.1  實驗結果與分析
17.3.2  核心程
第18章  基于計算機視覺的輔助自動駕駛
18.1  案例背景
18.2  環(huán)境感知
18.3  行為決策
18.4  路徑規(guī)劃
18.5  運動控制
18.6  程序實現(xiàn)
18.6.1  傳感器數(shù)據(jù)載入
18.6.2  創(chuàng)建追蹤器
18.6.3  碰撞預警
第19章  基于深度學習的汽車目標檢測
19.1  案例背景
19.2  基本架構
19.3  卷積層
19.4  池化層
19.5  程序實現(xiàn)
19.5.1  加載數(shù)據(jù)
19.5.2  構建CNN
19.5.3  訓練CNN
19.5.4  評估訓練效果
第20章  基于深度學習的手寫數(shù)字識別
20.1  案例背景
20.2  卷積核
20.3  特征圖
20.4  池化降維
20.5  模型定義
20.6  MATLAB實現(xiàn)
20.6.1  解析數(shù)據(jù)集
20.6.2  構建網(wǎng)絡模型
20.6.3  構建識別平臺
20.7  Python實現(xiàn)
20.7.1  數(shù)據(jù)拆分
20.7.2  訓練網(wǎng)絡
20.7.3  網(wǎng)絡測試
20.7.4  集成應用
第21章  基于深度學習的以圖搜圖
21.1  案例背景
21.2  選擇模型
21.2.1  AlexNet
21.2.2  VGGNet
21.2.3  GoogLeNet
21.3  深度特征
21.4  程序實現(xiàn)
21.4.1  構建深度索引
21.4.2  構建搜索引擎
21.4.3  構建搜索平臺
第22章  基于深度學習的驗證碼識別
22.1  案例背景
22.2  生成驗證碼數(shù)據(jù)
22.3  驗證碼CNN識別
22.4  程序實現(xiàn)
22.4.1  驗證碼樣本數(shù)據(jù)集標注
22.4.2  驗證碼樣本數(shù)據(jù)集分割
22.4.3  訓練驗證碼識別模型
22.4.4  測試驗證碼識別模型
第23章  基于生成對抗網(wǎng)絡的圖像生成
23.1  案例背景
23.2  選擇生成對抗數(shù)據(jù)
23.3  設計生成對抗網(wǎng)絡
23.4  程序實現(xiàn)
23.4.1  訓練生成對抗模型
23.4.2  測試生成對抗模型
23.4.3  構建生成對抗平臺
第24章  基于深度學習的影像識別
24.1  案例背景
24.2  選擇肺部影像數(shù)據(jù)集
24.3  編輯CNN遷移模型
24.4  程序實現(xiàn)
24.4.1  訓練CNN遷移模型
24.4.2  測試CNN遷移模型
24.4.3  融合CNN遷移模型
24.4.4  構建CNN識別平臺
 
第25章  基于CNN的物體識別
25.1  案例背景
25.2  CIFAR-10數(shù)據(jù)集
25.3  VGGNet
25.4  ResNet
25.5  程序實現(xiàn)
第26章  基于CNN的圖像校正
26.1  案例背景
26.2  傾斜數(shù)據(jù)集
26.3  自定義CNN回歸網(wǎng)絡
26.4  AlexNet回歸網(wǎng)絡
26.5  程序實現(xiàn)
第27章  基于LSTM的時間序列分析
27.1  案例背景
27.2  厄爾尼諾-南方濤動指數(shù)數(shù)據(jù)
27.3  樣條分析
27.4  用MATLAB實現(xiàn)LSTM預測
27.5  用Python實現(xiàn)LSTM預測
第28章  基于YOLO的交通目標檢測
28.1  案例背景
28.2  車輛YOLO檢測
28.3  交通標志YOLO檢測
第29章  基于ChatGPT的智能問答
29.1  案例背景
29.2  網(wǎng)絡URL訪問
29.3  ChatGPT接口說明
29.4  構建智能問答應用