MATLAB計算機視覺與深度學習實戰（第2版）

《MATLAB計算機視覺與深度學習實戰（第2版）》是電子工業出版社出版圖書，劉衍琦 王小超 詹福宇 主編。

基本介紹

• 中文名：MATLAB計算機視覺與深度學習實戰（第2版）
• 作者：劉衍琦 、 王小超 、詹福宇
• 出版時間：2024年5月
• 出版社：電子工業出版社
• 頁數：400 頁
• ISBN：9787121475733
• 定價：128 元
• 開本：16 開

內容簡介

《MATLAB計算機視覺與深度學習實戰（第2版）》詳細講解了29個實用的MATLAB計算機視覺與深度學習實戰案例（含可運行程式），涉及圖像去霧、答題卡識別、圖像分割、肝臟影像輔助分割系統、人臉二維碼編解碼系統、英文印刷體字元識別、圖像融合、全景圖像拼接、圖像壓縮和重建、視頻處理工具、運動目標檢測、路面裂縫檢測識別系統、車流量計數、三維格線模型特徵點提取、數字水印、圖像水印、輔助自動駕駛、汽車目標檢測、手寫數字識別、以圖搜圖、驗證碼識別、圖像生成、影像識別、物體識別、圖像校正、時間序列分析、交通目標檢測、智慧型問答等，還講解了深度神經網路的拆分、編輯、重構等多項重要技術及套用，涵蓋了數字圖像處理中幾乎所有的基本模組，並延伸到了深度學習的理論及套用方面。

工欲善其事，必先利其器。本書對每個數字圖像處理的知識點都提供了豐富、生動的案例素材，並以MATLAB為工具詳細講解了實驗的核心程式，涉及DeepLearning Toolbox、TensorFlow、Keras、Java等。通過對這些程式的閱讀、理解和仿真運行，讀者可以更加深刻地理解圖像處理的相關知識，並且更加熟練地掌握計算機視覺及深度學習在不同領域中的套用。

《MATLAB計算機視覺與深度學習實戰（第2版）》以案例為基礎，結構緊湊，內容深入淺出，實驗簡單高效，適合高等院校計算機、通信和自動化等相關專業的教師、本科生、研究生，以及計算機視覺工程人員閱讀和參考。

圖書目錄

第1章 基於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 程式實現

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 基於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 程式實現

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 基於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 基於K-means聚類算法進行圖像分割

3.6 程式實現

3.6.1 數據樣本間的距離

3.6.2 提取特徵向量

3.6.3 圖像聚類分割

第4章 基於區域生長的肝臟影像輔助分割系統

4.1 案例背景

4.2 閾值分割算法

4.3 區域生長算法

4.4 基於閾值預分割的區域生長算法

4.5 程式實現

第5章 基於主成分分析的人臉二維碼編解碼系統

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解碼的流程

5.3 主成分分析

5.4 程式實現

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 基於特徵匹配的英文印刷體字元識別

6.1 案例背景

6.2 圖像預處理

6.3 圖像識別技術

6.4 程式實現

6.4.1 設計GUI

6.4.2 回調識別

第7章 基於小波變換的圖像融合

7.1 案例背景

7.2 小波變換

7.3 程式實現

7.3.1 設計GUI

7.3.2 圖像載入

7.3.3 小波融合

第8章 基於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 程式實現

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 基於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 主成分分析數據壓縮比

9.5 基於主成分分析的圖像壓縮

9.6 程式實現

9.6.1 主成分分析的代碼實現

9.6.2 圖像與樣本間的轉換

9.6.3 基於主成分分析的圖像壓縮

第10章 基於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 程式實現

第11章 基於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 程式實現

11.3.1 設計GUI

11.3.2 實現GUI

第12章 基於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 程式實現

第13章 路面裂縫檢測識別系統設計

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 程式實現

第14章 基於光流場的車流量計數

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 程式實現

14.6.1 計算視覺系統工具箱簡介

14.6.2 基於光流場檢測汽車運動

第15章 基於鄰域支持的三維格線模型特徵點提取

15.1 案例背景

15.2 格線特徵提取

15.2.1 鄰域支持

15.2.2 格線特徵點提取

15.3 程式實現

第16章 基於小波變換的數字水印技術

16.1 案例背景

16.2 數字水印技術原理

16.3 典型的數字水印算法

16.4 數字水印攻擊和評價

16.5 基於小波變換的水印技術

16.6 程式實現

16.6.1 準備宿主圖像和水印圖像

16.6.2 小波數字水印的嵌入

16.6.3 小波數字水印的檢測和提取

16.6.4 小波數字水印的攻擊實驗

第17章 基於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 程式實現

17.3.1 實驗結果與分析

17.3.2 核心程

第18章 基於計算機視覺的輔助自動駕駛

18.1 案例背景

18.2 環境感知

18.3 行為決策

18.4 路徑規劃

18.5 運動控制

18.6 程式實現

18.6.1 感測器數據載入

18.6.2 創建追蹤器

18.6.3 碰撞預警

第19章 基於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 程式實現

19.5.1 載入數據

19.5.2 構建CNN

19.5.3 訓練CNN

19.5.4 評估訓練效果

第20章 基於深度學習的手寫數字識別

20.1 案例背景

20.2 卷積核

20.3 特徵圖

20.4 池化降維

20.5 模型定義

20.6 MATLAB實現

20.6.1 解析數據集

20.6.2 構建網路模型

20.6.3 構建識別平台

20.7 Python實現

20.7.1 數據拆分

20.7.2 訓練網路

20.7.3 網路測試

20.7.4 集成套用

第21章 基於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 深度特徵

21.4 程式實現

21.4.1 構建深度索引

21.4.2 構建搜尋引擎

21.4.3 構建搜尋平台

第22章 基於深度學習的驗證碼識別

22.1 案例背景

22.2 生成驗證碼數據

22.3 驗證碼CNN識別

22.4 程式實現

22.4.1 驗證碼樣本數據集標註

22.4.2 驗證碼樣本數據集分割

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 基於生成對抗網路的圖像生成

23.1 案例背景

23.2 選擇生成對抗數據

23.3 設計生成對抗網路

23.4 程式實現

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 構建生成對抗平台

第24章 基於深度學習的影像識別

24.1 案例背景

24.2 選擇肺部影像數據集

24.3 編輯CNN遷移模型

24.4 程式實現

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識別平台

第25章 基於CNN的物體識別

25.1 案例背景

25.2 CIFAR-10數據集

25.3 VGGNet

25.4 ResNet

25.5 程式實現

第26章 基於CNN的圖像校正

26.1 案例背景

26.2 傾斜數據集

26.3 自定義CNN回歸網路

26.4 AlexNet回歸網路

26.5 程式實現

第27章 基於LSTM的時間序列分析

27.1 案例背景

27.2 厄爾尼諾-南方濤動指數數據

27.3 樣條分析

27.4 用MATLAB實現LSTM預測

27.5 用Python實現LSTM預測

第28章 基於YOLO的交通目標檢測

28.1 案例背景

28.2 車輛YOLO檢測

28.3 交通標誌YOLO檢測

第29章 基於ChatGPT的智慧型問答

29.1 案例背景

29.2 網路URL訪問

29.3 ChatGPT接口說明

29.4 構建智慧型問答套用

作者簡介

——劉衍琦

技術圖書主編，擁有企業、研究所、高校從業經歷，長期從事大數據和人工智慧實踐套用相關工作，主要涉及機器學習、計算機視覺和自然語言處理等領域。曾主持和參與多個科研項目，已出版十餘部圖書，擁有多項國家專利。

——王小超

天津工業大學副教授，碩士生導師，大連理工大學博士，北京航空航天大學計算機學院博士後，中國計算機學會會員，天津市131創新型人才培養工程第三層次人才。研究方向為圖形圖像處理，發表論文30多篇，主持完成國家自然科學基金項目1項。

——詹福宇

博士，畢業於西北工業大學航空學院飛行器設計專業，四川省特聘專家，自貢市“鹽都百千萬英才計畫”青年拔尖人才，現任中電科航空電子有限公司無人機領域高級技術專家，中電科特種飛機系統工程有限公司副總工程師。主要從事飛行器設計、導航飛控系統、智慧型控制系統等研究工作。