圖像處理與識別（第2版）

定　價：￥45.00

作　者：	李珂
出版社：	北京郵電大學出版社有限公司
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥35.50)

ISBN：	9787563572212	出版時間：	2024-06-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)地介紹了圖像處理與識別的基本概念、基本原理與方法、技術(shù)和應(yīng)用實例。全書共分10章，內(nèi)容包括緒論、圖像變換、圖像增強、圖像編碼、圖像分割、圖像特征分析、圖像識別、目標檢測、語義分割與實例分割、圖像生成。本書取材新穎，論述深入淺出、簡明扼要，圖例豐富，注重理論與實踐相結(jié)合，可作為高等學校計算機應(yīng)用、自動化、圖像處理與模式識別、通信與電子系統(tǒng)、信號與信息處理等專業(yè)學生的教材，也可作為從事圖像處理與識別技術(shù)研究人員和工程技術(shù)人員的參考書。

作者簡介

　　李珂，博士，北京郵電大學人工智能學院副教授、博士生導師，英國薩里大學視覺語音與信號處理研究中心SketchX附屬學者。研究方向為機器學習與計算機視覺，特別是草圖的檢索、分割和生成；視頻內(nèi)容分析、行為檢測和行為識別以及3D模型的檢索和生成。參與并完成國家自然基金青年科學基金項目1項，參與國家自然基金面上項目1項，參與國家自然基金專項項目1項。近年來發(fā)表了包括國際頂級學術(shù)會議CVPR、ICCV、ECCV、WACV及期刊TIP在內(nèi)的9篇學術(shù)論文，其中一作論文6篇。同時擔任國際頂級會議和期刊的審稿人。獲得已授權(quán)專利2份。

圖書目錄

第1章緒論1
1.1引言1
1.2圖像處理與識別的相關(guān)術(shù)語2
1.3圖像處理與識別的發(fā)展歷史5
1.4圖像處理與識別的應(yīng)用領(lǐng)域7
習題19
第2章圖像變換10
2.1傅里葉變換10
2.1.1連續(xù)傅里葉變換10
2.1.2離散傅里葉變換12
2.1.3快速傅里葉變換16
2.2離散余弦變換17
2.3正弦變換20
2.4沃爾什哈達瑪變換21
2.5KL變換24
2.5.1KL變換的定義24
2.5.2KL變換的基本性質(zhì)25
習題225
第3章圖像增強27
3.1灰度級修正27
3.1.1直方圖27
3.1.2灰度變換28
3.1.3直方圖修正30
3.2圖像平滑33
3.2.1鄰域平均法34
3.2.2中值濾波35
3.2.3空間低通濾波38
3.3圖像銳化38
3.3.1微分算子方法39
3.3.2Sobel算子40
3.3.3拉普拉斯算子41
3.3.4空域高通濾波44
3.4圖像濾波44
3.4.1低通濾波45
3.4.2高通濾波47
3.4.3同態(tài)濾波48
3.5幾何變換49
3.5.1幾何變換過程49
3.5.2灰度級插值50
習題352

第4章圖像編碼53
4.1概述53
4.1.1圖像數(shù)據(jù)的冗余53
4.1.2圖像壓縮的性能評價54
4.2統(tǒng)計編碼55
4.2.1編碼效率與冗余度55
4.2.2霍夫曼編碼57
4.2.3香農(nóng)費諾編碼58
4.2.4算術(shù)編碼60
4.3預測編碼62
4.3.1預測編碼的基本原理62
4.3.2差值脈沖編碼調(diào)制63
4.3.3最優(yōu)線性預測64
4.4變換編碼65
4.4.1變換編碼系統(tǒng)結(jié)構(gòu)65
4.4.2正交變換編碼66
4.5輪廓編碼69
4.5.1輪廓算法70
4.5.2輪廓編碼算法的應(yīng)用實例72
4.6國際標準簡介74
4.6.1JPEG75
4.6.2MPEG系列標準75
4.6.3H.26X系列標準77
4.6.4AVS標準79
習題479
第5章圖像分割80
5.1圖像分割的一般模型80
5.2閾值分割81
5.3基于變換直方圖選取閾值84
5.4Hough變換86
5.5串行區(qū)域分割87
5.5.1區(qū)域生長87
5.5.2分裂合并法89
5.6基于形態(tài)學的圖像分割90
5.6.1膨脹和腐蝕91
5.6.2開啟和閉合93
5.6.3數(shù)學形態(tài)學在圖像處理中的應(yīng)用94
習題596
第6章圖像特征分析97
6.1拓撲特性97
6.1.1鄰接與連通97
6.1.2距離98
6.2輪廓的表達98
6.2.1輪廓的鏈碼表達98
6.2.2輪廓的近似表達100
6.3區(qū)域的骨架表達101
6.4邊界的描述101
6.4.1邊界的簡單描述102
6.4.2邊界的特征描述103
6.5區(qū)域的描述106
6.5.1區(qū)域的簡單描述106
6.5.2區(qū)域的形狀描述107
6.6尺度不變特征轉(zhuǎn)換描述子109
6.7梯度方向直方圖描述子113
習題6115
第7章圖像識別117
7.1圖像識別概述117
7.2判別函數(shù)和判別規(guī)則118
7.2.1線性判別函數(shù)118
7.2.2最小距離判別函數(shù)120
7.2.3最近鄰域判別函數(shù)121
7.2.4非線性判別函數(shù)121
7.3特征的提取和選擇122
7.4統(tǒng)計模式識別方法122
7.4.1基本概念122
7.4.2貝葉斯(Bayes)分類器123
7.5深度神經(jīng)網(wǎng)絡(luò)圖像識別125
7.5.1深度神經(jīng)網(wǎng)絡(luò)概述125
7.5.2卷積神經(jīng)網(wǎng)絡(luò)簡介127
7.5.3經(jīng)典圖像分類卷積神經(jīng)網(wǎng)絡(luò)模型129
7.5.4防止過擬合策略136
7.6圖像分類常用評價指標137
7.7常用圖像分類數(shù)據(jù)庫141
習題7145
第8章目標檢測146
8.1目標檢測相關(guān)知識147
8.1.1選擇性搜索148
8.1.2非極大值抑制149
8.1.3常用數(shù)據(jù)庫150
8.1.4目標檢測常用評價指標151
8.2二階段的目標檢測方法152
8.2.1RCNN152
8.2.2SPPnet154
8.2.3Fast RCNN155
8.2.4Faster RCNN156
8.2.5FPN158
8.3一階段的目標檢測方法161
8.3.1YOLOv1161
8.3.2SSD163
8.3.3YOLOv2164
8.3.4YOLOv3166
8.3.5CornerNet167
8.3.6CenterNet170
8.3.7FCOS173
習題8 175
第9章語義分割與實例分割177
9.1圖像分割數(shù)據(jù)庫177
9.2圖像分割常用評價指標178
9.3語義分割180
9.3.1FCN180
9.3.2DeconvNet182
9.3.3UNet183
9.3.4DeepLabv1184
9.3.5DilatedConvNet185
9.3.6DeepLabv2187
9.3.7PSPNet188
9.3.8ICNet190
9.3.9HRNet192
9.3.10FastFCN194
9.4實例分割196
9.4.1Mask RCNN196
9.4.2YOLACT198
9.4.3PolarMask200
9.4.4SOLO203
習題9204
第10章圖像生成206
10.1圖像生成的相關(guān)概念206
10.1.1KL散度207
10.1.2JS散度207
10.1.3最大似然估計207
10.1.4納什均衡209
10.1.5圖像生成模型的評價指標210
10.2VAE212
10.2.1CVAE213
10.2.2SketchRNN214
10.2.3VQVAE217
10.3GAN219
10.3.1DCGAN221
10.3.2AgecGAN223
10.3.3StackGAN224
10.3.4Pix2Pix225
10.3.5CycleGAN227
習題10228
參考文獻229