商品详情
书名：*通MATLAB数字图像处理与识别 第二版
定*：99.8
ISBN：9787**5552532
作者：张铮 胡静 赵原卉 *云 李月龙 刘芳
版次：第2版
出版时间：2022-06
内容提要：
内 容 提 要 本书将理论知识、工程技术和工程实践有机结合起来，介绍了数字图像处理与识别技术的方方面面，*括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像*征提取等。另外，本书还对机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术*域非常流行的分类技术—人工*经网络（ANN）和支持向量机（SVM）。 本书结构紧凑，内容深入浅出、图文并茂，适合计算机、通信和自动化等相关*业的本科生、研究生，以及工作在图像处理与识别*域*线的广大工程技术人员参考使用。
作者简介：
张铮 大学教授，*攻图形和图像处理以及识别技术，承担了多项*家级项目，对Matlab有很深入的研究。
目录：
目 录
第 *章 初识数字图像处理与识别 *
*.* 数字图像 *
*.*.* 什么是数字图像 *
*.*.2 数字图像的显示 *
*.*.3 数字图像的分类 2
*.*.4 数字图像的实质 3
*.*.5 数字图像的表示 4
*.*.6 图像的空间分辨率和灰度级分辨率 4
*.2 数字图像处理与识别 6
*.2.* 从数字图像处理到数字图像识别 6
*.2.2 数字图像处理与识别的应用实例 7
*.2.3 数字图像处理与识别的基本步骤 7
*.3 数字图像处理的预备知识 9
*.3.* 邻接性、连通性、区域和边界 9
*.3.2 常见的距离度量方法 *0
*.3.3 基本的图像操作 *0
第 2章 MATLAB数字图像处理基础 *2
2.* MATLAB R20*9a简介 *2
2.*.* MATLAB软件环境 *2
2.*.2 文件操作 *3
2.*.3 在线帮助的使用 *4
2.*.4 变量的使用 *6
2.*.5 矩阵的使用 *9
2.*.6 细胞数组和结构体 2*
2.*.7 关系运算与逻辑运算 22
2.*.8 常用的图像处理函数 23
2.*.9 MATLAB程序流程控制 24
2.*.*0 M文件的编写 28
2.*.** MATLAB函数的编写 28
2.2 MATLAB图像类型及其存储方式 30
2.3 MATLAB图像转换 33
2.4 读取和写入图像文件 35
2.5 图像的显示 37
第3章 图像的点运算 40
3.* 灰度直方图 40
3.*.* 理论基础 40
3.*.2 MATLAB实现 4*
3.2 灰度的线性变换 43
3.2.* 理论基础 44
3.2.2 MATLAB实现 44
3.3 灰度的对数变换 47
3.3.* 理论基础 47
3.3.2 MATLAB实现 48
3.4 伽马变换 48
3.4.* 理论基础 49
3.4.2 MATLAB实现 49
3.5 灰度阈值变换 5*
3.5.* 理论基础 5*
3.5.2 MATLAB实现 52
3.6 分段线性变换 53
3.6.* 理论基础 53
3.6.2 MATLAB实现 54
3.7 直方图均衡化 58
3.7.* 理论基础 58
3.7.2 MATLAB实现 59
3.8 直方图规定化 6*
3.8.* 理论基础 6*
3.8.2 MATLAB实现 62
第4章 图像的几何变换 64
4.* 解决几何变换的*般思路 64
4.2 图像平移 65
4.2.* 图像平移的变换公式 66
4.2.2 图像平移的MATLAB实现 66
4.3 图像镜像 68
4.3.* 图像镜像的变换公式 68
4.3.2 图像镜像的MATLAB实现 68
4.4 图像转置 69
4.4.* 图像转置的变换公式 70
4.4.2 图像转置的MATLAB实现 70
4.5 图像缩放 70
4.5.* 图像缩放的变换公式 7*
4.5.2 图像缩放的MATLAB实现 7*
4.6 图像旋转 72
4.6.* 以原点为中心的图像旋转 72
4.6.2 以任意点为中心的图像旋转 73
4.6.3 图像旋转的MATLAB实现 74
4.7 插值算法 75
4.7.* 最近邻插值 75
4.7.2 双线性插值 76
4.7.3 **插值 77
4.8 MATLAB综合案例—人脸图像
配准 79
4.8.* 什么是图像配准 79
4.8.2 人脸图像配准的MATLAB实现 79
第5章 空域图像增强 83
5.* 图像增强基础 83
5.*.* 为什么要进行图像增强 83
5.*.2 图像增强的分类 83
5.2 空域滤波 84
5.2.* 空域滤波和邻域处理 84
5.2.2 边界处理 85
5.2.3 相关和卷积 86
5.2.4 滤波操作的MATLAB实现 86
5.3 图像平滑 88
5.3.* 平均模板及其实现 88
5.3.2 *斯平滑及其实现 90
5.3.3 自适应平滑滤波 92
5.4 中值滤波 93
5.4.* 性能比较 93
5.4.2 *种改进的中值滤波策略 95
5.4.3 中值滤波的工作原理 95
5.5 图像锐化 96
5.5.* 理论基础 96
5.5.2 基于**导数的图像增强—
梯度算子 96
5.5.3 基于二*微分的图像增强—
拉普拉斯算子 99
5.5.4 基于**与二*导数的锐化
算子的比较 *0*
5.5.5 *提*滤波及其实现 *02
5.5.6 *斯-拉普拉斯变换 *04
第6章 频域图像增强 *06
6.* 频域滤波—与空域滤波殊途同归 *06
6.2 傅里叶变换的基础知识 *06
6.2.* 傅里叶级数 *06
6.2.2 傅里叶变换 *08
6.2.3 幅度谱、相位谱和功率谱 **0
6.2.4 傅里叶变换的实质—基的
转换 ***
6.3 快速傅里叶变换及其实现 **3
6.3.* FFT变换的*要性 **3
6.3.2 常见的FFT算法 **4
6.3.3 按时间抽取的基 2 FFT算法 **4
6.3.4 离散傅里叶反变换的快速算法 **8
6.3.5 N维快速傅里叶变换 **8
6.3.6 MATLAB实现 **8
6.4 频域滤波的基础知识 *22
6.4.* 频域滤波与空域滤波的关系 *22
6.4.2 频域滤波的基本步骤 *23
6.4.3 频域滤波的MATLAB实现 *24
6.5 频域低通滤波器 *24
6.5.* 理想低通滤波器及其实现 *25
6.5.2 *斯低通滤波器及其实现 *27
6.6 频域*通滤波器 *3*
6.6.* *斯*通滤波器及其实现 *3*
6.6.2 频域拉普拉斯滤波器及其实现 *33
6.7 MATLAB综合案例—利用频域带
阻滤波器*周期噪声 *35
6.7.* 频域带阻滤波器 *35
6.7.2 利用带阻滤波器*周期噪声 *36
6.8 频域滤波器与空域滤波器之间的
内在联系 *39
第7章 小波变换 *42
7.* 多分辨率分析 *42
7.*.* 多分辨率框架 *42
7.*.2 分解与重构的实现 *48
7.*.3 图像处理中分解与重构的实现 *50
7.2 Gabor多分辨率分析 *55
7.3 常见小波分析 *59
7.3.* Haar小波 *59
7.3.2 Daubechies小波 *6*
7.4 *维小波 *64
第8章 图像复原 *66
8.* 图像复原的*般理论 *66
8.*.* 图像复原的基本概念 *66
8.*.2 图像复原的*般模型 *67
8.2 实用的图像复原技术 *84
8.2.* 图像复原的数值计算方法 *84
8.2.2 非线性复原 *87
第9章 彩色图像处理 *90
9.* 色彩基础 *90
9.*.* 什么是色彩 *90
9.*.2 人眼中的色彩 *9*
9.*.3 三原色 *9*
9.*.4 计算机中颜色的表示 *92
9.2 色彩模型 *93
9.2.* RGB模型 *93
9.2.2 CMY/CMYK模型 *94
9.2.3 HSI模型 *96
9.2.4 HSV模型 200
9.2.5 YUV模型 202
9.2.6 YIQ模型 205
9.2.7 Lab模型 207
9.3 *彩色图像处理基础 207
9.3.* 彩色补偿及其MATLAB实现 207
9.3.2 彩色平衡及其MATLAB实现 2*0
第 *0章 形态学图像处理 2*2
*0.* 预备知识 2*2
*0.2 二值图像中的基本形态学运算 2*3
*0.2.* 腐蚀及其实现 2*4
*0.2.2 膨胀及其实现 2*8
*0.2.3 开运算及其实现 22*
*0.2.4 闭运算及其实现 222
*0.3 二值图像中的形态学应用 223
*0.3.* 击中与击*中变换及其实现 224
*0.3.2 边界提取与跟踪及其实现 226
*0.3.3 区域填充 227
*0.3.4 连通分量提取及其实现 229
*0.3.5 细化算法 232
*0.3.6 像素化算法 233
*0.3.7 凸壳 234
*0.3.8 bwmorph函数 235
*0.4 灰度图像中的基本形态学运算 235
*0.4.* 灰度膨胀及其实现 236
*0.4.2 灰度腐蚀及其实现 238
*0.4.3 灰度开运算和灰度闭运算及其实现 240
*0.4.4 *帽变换及其实现 24*
*0.5 小结 243
第 **章 图像分割 244
**.* 图像分割概述 244
**.2 边缘检测 245
**.2.* 边缘检测概述 245
**.2.2 常用的边缘检测算子 245
**.2.3 MATLAB实现 248
**.3 霍夫变换 25*
**.3.* 直线检测 25*
**.3.2 曲线检测 253
**.3.3 任意形状的检测 254
**.3.4 利用霍夫变换做直线检测的
MATLAB实现 254
**.4 阈值分割 257
**.4.* 阈值分割方法 258
**.4.2 MATLAB实现 26*
**.5 区域分割 26*
**.5.* 区域生长及其实现 262
**.5.2 区域分裂与合并及其MATLAB实现 264
**.6 基于形态学分水岭算法的图像分割 268
**.6.* 形态学分水岭算法 269
**.6.2 MATLAB实现 27*
**.7 MATLAB综合案例—分水岭算法 27*
**.8 小结 277
第 *2章 *征提取 278
*2.* 图像*征概述 278
*2.*.* 什么是图像*征 278
*2.*.2 图像*征的分类 278
*2.*.3 *征向量及其几何解释 278
*2.*.4 *征提取的*般原则 279
*2.*.5 *征的评*标准 279
*2.2 基本统计*征 280
*2.2.* 简单的区域描绘子及其MATLAB实现 280
*2.2.2 直方图及其统计*征 28*
*2.2.3 灰度共现矩阵 283
*2.3 *征降维 286
*2.3.* 维度灾难 286
*2.3.2 *征选择简介 287
*2.3.3 主成分分析 288
*2.3.4 快速PCA及其实现 294
*2.4 综合案例—基于PCA的人脸*征抽取 296
*2.4.* 数据集简介 296
*2.4.2 生成样本矩阵 296
*2.4.3 主成分分析 297
*2.4.4 主成分脸的可视化分析 298
*2.4.5 基于主成分分量的人脸重建 300
*2.5 局*二进制模式 30*
*2.5.* 基本LBP算子 30*
*2.5.2 圆形邻域的LBPP,R算子 302
*2.5.3 统*化LBP及其MATLAB实现 303
*2.5.4 MB-LBP及其MATLAB实现 306
*2.5.5 图像分区及其MATLAB实现 3**
第 *3章 图像识别初步 3*4
*3.* 模式识别概述 3*4
*3.*.* 模式与模式识别 3*4
*3.*.2 图像识别 3*4
*3.*.3 关键概念 3*5
*3.*.4 模式识别问题的*般描述 3*6
*3.*.5 过度拟合 3*7
*3.*.6 模式识别系统的结构 3*7
*3.*.7 训练/学习方法的分类 3*7
*3.2 模式识别方法的分类 3*8
*3.2.* 统计模式识别 3*8
*3.2.2 句法模式识别 3*8
*3.2.3 小结 3*9
*3.3 最小距离分类器和模板匹配 320
*3.3.* 最小距离分类器及其MATLAB实现 320
*3.3.2 基于相关的模板匹配 32*
*3.3.3 相关匹配的计算效率 324
第 *4章 人工*经网络 326
*4.* 人工*经网络简介 326
*4.*.* 仿生学动机 326
*4.*.2 人工*经网络的应用实例 328
*4.2 人工*经网络的理论基础 328
*4.2.* 训练线性单元的梯度下降算法 329
*4.2.2 多层人工*经网络 334
*4.2.3 sigmoid单元 334
*4.2.4 反向传播算法 335
*4.2.5 训练中的问题 339
*4.3 *经网络算法的可视化实现 340
*4.3.* NNTool的主要功能及应用 340
*4.3.2 *经网络的仿真测试 343
*4.4 MATLAB*经网络工具箱 346
*4.4.* 网络*建 346
*4.4.2 网络初始化 347
*4.4.3 网络训练 347
*4.4.4 网络仿真测试 348
*4.4.5 网络性能分析 348
第 *5章 支持向量机 349
*5.* 支持向量机的分类思想 349
*5.*.* 分类模型的选择 349
*5.*.2 模型参数的选择 350
*5.2 支持向量机的理论基础 350
*5.2.* 线性可分情况下的SVM 350
*5.2.2 非线性可分情况下的C-SVM 353
*5.2.3 需要核函数映射情况下的SVM 356
*5.2.4 推广到多分类问题 359
*5.3 SVM的MATLAB实现 360
*5.3.* 训练—svmtrain函数 360
*5.3.2 分类—svmclassify函数 362
*5.3.3 应用实例 362
*5.4 综合案例—基于PCA和SVM的人脸识别系统 363
*5.4.* 人脸识别简介 363
*5.4.2 前期处理 364
*5.4.3 数据规格化 364
*5.4.4 核函数的选择 367
*5.4.5 参数选择 368
*5.4.6 构建多类SVM分类器 370
*5.4.7 实验结果 372
*5.5 SVM在线资源 378
*5.5.* SVM工具箱 378
*5.5.2 LIBSVM简介 379
第 *6章 AdaBoost 380
*6.* AdaBoost分类思想 380
*6.*.* AdaBoost算法的提出背景 380
*6.*.2 AdaBoost算法的分类模型 38*
*6.*.3 AdaBoost算法的流程 38*
*6.2 AdaBoost理论基础 382
推广到多分类问题 384
*6.3 构建AdaBoost的MATLAB工具箱 385
*6.4 MATLAB综合案例—基于AdaBoost的面*图像男女性别分类 388
*6.4.* 关于数据集 388
*6.4.2 数据的预处理 389
*6.4.3 算法流程的实现 389
第 *7章 三维图像基础 39*
*7.* 三维信息基础 39*
*7.*.* 三维空间 39*
*7.*.2 三维图像 392
*7.2 三维图像绘制 393
*7.2.* 三维曲线图 393
*7.2.2 三维网格图 393
*7.2.3 其他三维立体化信息展示方式 396
*7.3 三维数据聚类 397
*7.3.* 聚类分析基础 397
*7.3.2 K均值聚类 398
第 *8章 深度学习 402
*8.* 深度学习理论基础 402
*8.*.* 什么是深度学习 402
*8.*.2 深度学习中的重要概念 403
*8.2 MATLAB深度学习工具箱 404
*8.2.* MATLAB深度学习工具箱简介 404
*8.2.2 MATLAB深度学习工具箱中的深度学习函数介绍 405
*8.3 使用MATLAB深度学习工具箱解决机器视觉问题 409
*8.3.* MATLAB深度学习工具箱中常用的预训练模型 409
*8.3.2 使用预训练模型对图像进行分类 4*0
*8.3.3 使用预训练的*经网络对图像进行去噪 4*2
*8.4 案例分析：目标检测 4*3
参考文献 420
定*：99.8
ISBN：9787**5552532
作者：张铮 胡静 赵原卉 *云 李月龙 刘芳
版次：第2版
出版时间：2022-06
内容提要：
内 容 提 要 本书将理论知识、工程技术和工程实践有机结合起来，介绍了数字图像处理与识别技术的方方面面，*括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像*征提取等。另外，本书还对机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术*域非常流行的分类技术—人工*经网络（ANN）和支持向量机（SVM）。 本书结构紧凑，内容深入浅出、图文并茂，适合计算机、通信和自动化等相关*业的本科生、研究生，以及工作在图像处理与识别*域*线的广大工程技术人员参考使用。
作者简介：
张铮 大学教授，*攻图形和图像处理以及识别技术，承担了多项*家级项目，对Matlab有很深入的研究。
目录：
目 录
第 *章 初识数字图像处理与识别 *
*.* 数字图像 *
*.*.* 什么是数字图像 *
*.*.2 数字图像的显示 *
*.*.3 数字图像的分类 2
*.*.4 数字图像的实质 3
*.*.5 数字图像的表示 4
*.*.6 图像的空间分辨率和灰度级分辨率 4
*.2 数字图像处理与识别 6
*.2.* 从数字图像处理到数字图像识别 6
*.2.2 数字图像处理与识别的应用实例 7
*.2.3 数字图像处理与识别的基本步骤 7
*.3 数字图像处理的预备知识 9
*.3.* 邻接性、连通性、区域和边界 9
*.3.2 常见的距离度量方法 *0
*.3.3 基本的图像操作 *0
第 2章 MATLAB数字图像处理基础 *2
2.* MATLAB R20*9a简介 *2
2.*.* MATLAB软件环境 *2
2.*.2 文件操作 *3
2.*.3 在线帮助的使用 *4
2.*.4 变量的使用 *6
2.*.5 矩阵的使用 *9
2.*.6 细胞数组和结构体 2*
2.*.7 关系运算与逻辑运算 22
2.*.8 常用的图像处理函数 23
2.*.9 MATLAB程序流程控制 24
2.*.*0 M文件的编写 28
2.*.** MATLAB函数的编写 28
2.2 MATLAB图像类型及其存储方式 30
2.3 MATLAB图像转换 33
2.4 读取和写入图像文件 35
2.5 图像的显示 37
第3章 图像的点运算 40
3.* 灰度直方图 40
3.*.* 理论基础 40
3.*.2 MATLAB实现 4*
3.2 灰度的线性变换 43
3.2.* 理论基础 44
3.2.2 MATLAB实现 44
3.3 灰度的对数变换 47
3.3.* 理论基础 47
3.3.2 MATLAB实现 48
3.4 伽马变换 48
3.4.* 理论基础 49
3.4.2 MATLAB实现 49
3.5 灰度阈值变换 5*
3.5.* 理论基础 5*
3.5.2 MATLAB实现 52
3.6 分段线性变换 53
3.6.* 理论基础 53
3.6.2 MATLAB实现 54
3.7 直方图均衡化 58
3.7.* 理论基础 58
3.7.2 MATLAB实现 59
3.8 直方图规定化 6*
3.8.* 理论基础 6*
3.8.2 MATLAB实现 62
第4章 图像的几何变换 64
4.* 解决几何变换的*般思路 64
4.2 图像平移 65
4.2.* 图像平移的变换公式 66
4.2.2 图像平移的MATLAB实现 66
4.3 图像镜像 68
4.3.* 图像镜像的变换公式 68
4.3.2 图像镜像的MATLAB实现 68
4.4 图像转置 69
4.4.* 图像转置的变换公式 70
4.4.2 图像转置的MATLAB实现 70
4.5 图像缩放 70
4.5.* 图像缩放的变换公式 7*
4.5.2 图像缩放的MATLAB实现 7*
4.6 图像旋转 72
4.6.* 以原点为中心的图像旋转 72
4.6.2 以任意点为中心的图像旋转 73
4.6.3 图像旋转的MATLAB实现 74
4.7 插值算法 75
4.7.* 最近邻插值 75
4.7.2 双线性插值 76
4.7.3 **插值 77
4.8 MATLAB综合案例—人脸图像
配准 79
4.8.* 什么是图像配准 79
4.8.2 人脸图像配准的MATLAB实现 79
第5章 空域图像增强 83
5.* 图像增强基础 83
5.*.* 为什么要进行图像增强 83
5.*.2 图像增强的分类 83
5.2 空域滤波 84
5.2.* 空域滤波和邻域处理 84
5.2.2 边界处理 85
5.2.3 相关和卷积 86
5.2.4 滤波操作的MATLAB实现 86
5.3 图像平滑 88
5.3.* 平均模板及其实现 88
5.3.2 *斯平滑及其实现 90
5.3.3 自适应平滑滤波 92
5.4 中值滤波 93
5.4.* 性能比较 93
5.4.2 *种改进的中值滤波策略 95
5.4.3 中值滤波的工作原理 95
5.5 图像锐化 96
5.5.* 理论基础 96
5.5.2 基于**导数的图像增强—
梯度算子 96
5.5.3 基于二*微分的图像增强—
拉普拉斯算子 99
5.5.4 基于**与二*导数的锐化
算子的比较 *0*
5.5.5 *提*滤波及其实现 *02
5.5.6 *斯-拉普拉斯变换 *04
第6章 频域图像增强 *06
6.* 频域滤波—与空域滤波殊途同归 *06
6.2 傅里叶变换的基础知识 *06
6.2.* 傅里叶级数 *06
6.2.2 傅里叶变换 *08
6.2.3 幅度谱、相位谱和功率谱 **0
6.2.4 傅里叶变换的实质—基的
转换 ***
6.3 快速傅里叶变换及其实现 **3
6.3.* FFT变换的*要性 **3
6.3.2 常见的FFT算法 **4
6.3.3 按时间抽取的基 2 FFT算法 **4
6.3.4 离散傅里叶反变换的快速算法 **8
6.3.5 N维快速傅里叶变换 **8
6.3.6 MATLAB实现 **8
6.4 频域滤波的基础知识 *22
6.4.* 频域滤波与空域滤波的关系 *22
6.4.2 频域滤波的基本步骤 *23
6.4.3 频域滤波的MATLAB实现 *24
6.5 频域低通滤波器 *24
6.5.* 理想低通滤波器及其实现 *25
6.5.2 *斯低通滤波器及其实现 *27
6.6 频域*通滤波器 *3*
6.6.* *斯*通滤波器及其实现 *3*
6.6.2 频域拉普拉斯滤波器及其实现 *33
6.7 MATLAB综合案例—利用频域带
阻滤波器*周期噪声 *35
6.7.* 频域带阻滤波器 *35
6.7.2 利用带阻滤波器*周期噪声 *36
6.8 频域滤波器与空域滤波器之间的
内在联系 *39
第7章 小波变换 *42
7.* 多分辨率分析 *42
7.*.* 多分辨率框架 *42
7.*.2 分解与重构的实现 *48
7.*.3 图像处理中分解与重构的实现 *50
7.2 Gabor多分辨率分析 *55
7.3 常见小波分析 *59
7.3.* Haar小波 *59
7.3.2 Daubechies小波 *6*
7.4 *维小波 *64
第8章 图像复原 *66
8.* 图像复原的*般理论 *66
8.*.* 图像复原的基本概念 *66
8.*.2 图像复原的*般模型 *67
8.2 实用的图像复原技术 *84
8.2.* 图像复原的数值计算方法 *84
8.2.2 非线性复原 *87
第9章 彩色图像处理 *90
9.* 色彩基础 *90
9.*.* 什么是色彩 *90
9.*.2 人眼中的色彩 *9*
9.*.3 三原色 *9*
9.*.4 计算机中颜色的表示 *92
9.2 色彩模型 *93
9.2.* RGB模型 *93
9.2.2 CMY/CMYK模型 *94
9.2.3 HSI模型 *96
9.2.4 HSV模型 200
9.2.5 YUV模型 202
9.2.6 YIQ模型 205
9.2.7 Lab模型 207
9.3 *彩色图像处理基础 207
9.3.* 彩色补偿及其MATLAB实现 207
9.3.2 彩色平衡及其MATLAB实现 2*0
第 *0章 形态学图像处理 2*2
*0.* 预备知识 2*2
*0.2 二值图像中的基本形态学运算 2*3
*0.2.* 腐蚀及其实现 2*4
*0.2.2 膨胀及其实现 2*8
*0.2.3 开运算及其实现 22*
*0.2.4 闭运算及其实现 222
*0.3 二值图像中的形态学应用 223
*0.3.* 击中与击*中变换及其实现 224
*0.3.2 边界提取与跟踪及其实现 226
*0.3.3 区域填充 227
*0.3.4 连通分量提取及其实现 229
*0.3.5 细化算法 232
*0.3.6 像素化算法 233
*0.3.7 凸壳 234
*0.3.8 bwmorph函数 235
*0.4 灰度图像中的基本形态学运算 235
*0.4.* 灰度膨胀及其实现 236
*0.4.2 灰度腐蚀及其实现 238
*0.4.3 灰度开运算和灰度闭运算及其实现 240
*0.4.4 *帽变换及其实现 24*
*0.5 小结 243
第 **章 图像分割 244
**.* 图像分割概述 244
**.2 边缘检测 245
**.2.* 边缘检测概述 245
**.2.2 常用的边缘检测算子 245
**.2.3 MATLAB实现 248
**.3 霍夫变换 25*
**.3.* 直线检测 25*
**.3.2 曲线检测 253
**.3.3 任意形状的检测 254
**.3.4 利用霍夫变换做直线检测的
MATLAB实现 254
**.4 阈值分割 257
**.4.* 阈值分割方法 258
**.4.2 MATLAB实现 26*
**.5 区域分割 26*
**.5.* 区域生长及其实现 262
**.5.2 区域分裂与合并及其MATLAB实现 264
**.6 基于形态学分水岭算法的图像分割 268
**.6.* 形态学分水岭算法 269
**.6.2 MATLAB实现 27*
**.7 MATLAB综合案例—分水岭算法 27*
**.8 小结 277
第 *2章 *征提取 278
*2.* 图像*征概述 278
*2.*.* 什么是图像*征 278
*2.*.2 图像*征的分类 278
*2.*.3 *征向量及其几何解释 278
*2.*.4 *征提取的*般原则 279
*2.*.5 *征的评*标准 279
*2.2 基本统计*征 280
*2.2.* 简单的区域描绘子及其MATLAB实现 280
*2.2.2 直方图及其统计*征 28*
*2.2.3 灰度共现矩阵 283
*2.3 *征降维 286
*2.3.* 维度灾难 286
*2.3.2 *征选择简介 287
*2.3.3 主成分分析 288
*2.3.4 快速PCA及其实现 294
*2.4 综合案例—基于PCA的人脸*征抽取 296
*2.4.* 数据集简介 296
*2.4.2 生成样本矩阵 296
*2.4.3 主成分分析 297
*2.4.4 主成分脸的可视化分析 298
*2.4.5 基于主成分分量的人脸重建 300
*2.5 局*二进制模式 30*
*2.5.* 基本LBP算子 30*
*2.5.2 圆形邻域的LBPP,R算子 302
*2.5.3 统*化LBP及其MATLAB实现 303
*2.5.4 MB-LBP及其MATLAB实现 306
*2.5.5 图像分区及其MATLAB实现 3**
第 *3章 图像识别初步 3*4
*3.* 模式识别概述 3*4
*3.*.* 模式与模式识别 3*4
*3.*.2 图像识别 3*4
*3.*.3 关键概念 3*5
*3.*.4 模式识别问题的*般描述 3*6
*3.*.5 过度拟合 3*7
*3.*.6 模式识别系统的结构 3*7
*3.*.7 训练/学习方法的分类 3*7
*3.2 模式识别方法的分类 3*8
*3.2.* 统计模式识别 3*8
*3.2.2 句法模式识别 3*8
*3.2.3 小结 3*9
*3.3 最小距离分类器和模板匹配 320
*3.3.* 最小距离分类器及其MATLAB实现 320
*3.3.2 基于相关的模板匹配 32*
*3.3.3 相关匹配的计算效率 324
第 *4章 人工*经网络 326
*4.* 人工*经网络简介 326
*4.*.* 仿生学动机 326
*4.*.2 人工*经网络的应用实例 328
*4.2 人工*经网络的理论基础 328
*4.2.* 训练线性单元的梯度下降算法 329
*4.2.2 多层人工*经网络 334
*4.2.3 sigmoid单元 334
*4.2.4 反向传播算法 335
*4.2.5 训练中的问题 339
*4.3 *经网络算法的可视化实现 340
*4.3.* NNTool的主要功能及应用 340
*4.3.2 *经网络的仿真测试 343
*4.4 MATLAB*经网络工具箱 346
*4.4.* 网络*建 346
*4.4.2 网络初始化 347
*4.4.3 网络训练 347
*4.4.4 网络仿真测试 348
*4.4.5 网络性能分析 348
第 *5章 支持向量机 349
*5.* 支持向量机的分类思想 349
*5.*.* 分类模型的选择 349
*5.*.2 模型参数的选择 350
*5.2 支持向量机的理论基础 350
*5.2.* 线性可分情况下的SVM 350
*5.2.2 非线性可分情况下的C-SVM 353
*5.2.3 需要核函数映射情况下的SVM 356
*5.2.4 推广到多分类问题 359
*5.3 SVM的MATLAB实现 360
*5.3.* 训练—svmtrain函数 360
*5.3.2 分类—svmclassify函数 362
*5.3.3 应用实例 362
*5.4 综合案例—基于PCA和SVM的人脸识别系统 363
*5.4.* 人脸识别简介 363
*5.4.2 前期处理 364
*5.4.3 数据规格化 364
*5.4.4 核函数的选择 367
*5.4.5 参数选择 368
*5.4.6 构建多类SVM分类器 370
*5.4.7 实验结果 372
*5.5 SVM在线资源 378
*5.5.* SVM工具箱 378
*5.5.2 LIBSVM简介 379
第 *6章 AdaBoost 380
*6.* AdaBoost分类思想 380
*6.*.* AdaBoost算法的提出背景 380
*6.*.2 AdaBoost算法的分类模型 38*
*6.*.3 AdaBoost算法的流程 38*
*6.2 AdaBoost理论基础 382
推广到多分类问题 384
*6.3 构建AdaBoost的MATLAB工具箱 385
*6.4 MATLAB综合案例—基于AdaBoost的面*图像男女性别分类 388
*6.4.* 关于数据集 388
*6.4.2 数据的预处理 389
*6.4.3 算法流程的实现 389
第 *7章 三维图像基础 39*
*7.* 三维信息基础 39*
*7.*.* 三维空间 39*
*7.*.2 三维图像 392
*7.2 三维图像绘制 393
*7.2.* 三维曲线图 393
*7.2.2 三维网格图 393
*7.2.3 其他三维立体化信息展示方式 396
*7.3 三维数据聚类 397
*7.3.* 聚类分析基础 397
*7.3.2 K均值聚类 398
第 *8章 深度学习 402
*8.* 深度学习理论基础 402
*8.*.* 什么是深度学习 402
*8.*.2 深度学习中的重要概念 403
*8.2 MATLAB深度学习工具箱 404
*8.2.* MATLAB深度学习工具箱简介 404
*8.2.2 MATLAB深度学习工具箱中的深度学习函数介绍 405
*8.3 使用MATLAB深度学习工具箱解决机器视觉问题 409
*8.3.* MATLAB深度学习工具箱中常用的预训练模型 409
*8.3.2 使用预训练模型对图像进行分类 4*0
*8.3.3 使用预训练的*经网络对图像进行去噪 4*2
*8.4 案例分析：目标检测 4*3
参考文献 420
- 人民邮电出版社有限公司 （微信公众号认证）
- 人民邮电出版社微店，为您提供最全面，最专业的一站式购书服务
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
