MATLAB计算机视觉与深度学习实战视觉算法教程人工智能籍 pdf下载

编辑推荐

《MATLAB计算机视觉与深度学习实战》详细讲解了30个MATLAB计算机视觉与深度学习实战案例，提供源码及在线支持。

几乎涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及其应用方面。

适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。

内容提要

         《MATLAB计算机视觉与深度学习实战》详细讲解了30个MATLAB计算机视觉与深度学习案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别等多项重要技术，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及其应用方面。

工欲善其事，必先利其器，《MATLAB计算机视觉与深度学习实战》对每个数字图像处理的知识点都提供了丰富生动的案例素材，并详细讲解了其MATLAB实验的核心程序，通过对这些示例程序的阅读理解和仿真运行，读者可以更加深刻地理解图像处理的内容，并且更加熟练地掌握MATLAB中各种函数在图像处理领域中的用法。

《MATLAB计算机视觉与深度学习实战》以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。

目    录

第1章 基于直方图优化的图像去雾技术       1

1.1  案例背景1

1.2  理论基础1

1.2.1   空域图像增强  1

1.2.2   直方图均衡化  2

1.3  程序实现3

1.3.1   设计GUI界面  4

1.3.2   全局直方图处理  4

1.3.3   局部直方图处理  7

1.3.4    Retinex增强处理  9

1.4  延伸阅读  13

1.5  参考文献  13

第2章  基于 形态学的权重自适应图像去噪     14

2.1  案例背景  14

2.2  理论基础  15

2.2.1   图像去噪方法15

2.2.2   数学形态学原理16

2.2.3   权重自适应的多结构形态学去噪16

2.3  程序实现  17

2.4  延伸阅读  22

2.5  参考文献  23

第3章  基于多尺度形态学提取眼前节组织      24

3.1  案例背景  24

3.2  理论基础  25

3.3  程序实现  28

3.3.1   多尺度边缘28

3.3.2   主处理函数29

3.3.3   形态学处理31

3.4  延伸阅读  33

3.5  参考文献  33

第4章  基于Hough变化的答题卡识别    34

4.1  案例背景  34

4.2  理论基础  34

4.2.1   图像二值化35

4.2.2   倾斜校正35

4.2.3   图像分割38

4.3  程序实现  40

4.4  延伸阅读  51

4.5  参考文献  51

第5章 基于阈值分割的车牌定位识别    52

5.1  案例背景  52

5.2  理论基础  52

5.2.1   车牌图像处理53

5.2.2   车牌定位原理57

5.2.3   车牌字符处理57

5.2.4   字符识别59

5.3  程序实现  61

5.4  延伸阅读  69

5.5  参考文献  69

第6章  基于分水岭分割进行肺癌诊断      70

6.1  案例背景  70

6.2  理论基础  70

6.2.1   模拟浸水的过程71

6.2.2   模拟降水的过程71

6.2.3   过度分割问题71

6.2.4   标记分水岭分割算法71

6.3  程序实现  72

6.4  延伸阅读  77

6.5  参考文献  78

第7章  基于主成分分析的人脸二维码识别      79

7.1  案例背景  79

7.2  理论基础  79

7.2.1    QR编码简介  80

7.2.2    QR编码译码  82

7.2.3   主成分分析方法84

7.3  程序实现  86

7.3.1   人脸建库86

7.3.2   人脸识别87

7.3.3   人脸二维码88

7.4  延伸阅读  93

7.5  参考文献  93

第8章  基于知识库的手写体数字识别      94

8.1  案例背景  94

8.2  理论基础  94

8.2.1   算法流程94

8.2.2   特征提取95

8.2.3   模式识别96

8.3  程序实现  97

8.3.1   图像处理97

8.3.2   特征提取98

8.3.3   模式识别  101

8.4  延伸阅读102

8.4.1   识别器选择  102

8.4.2   提高识别率