數(shù)字圖像處理基礎(chǔ)及工程應(yīng)用

定　價(jià)：￥49.90

作　者：	宋麗梅著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	十三五普通高等教育規(guī)劃教材
標(biāo)　簽：	工學(xué) 教材研究生/本科/?？平滩?/td>

購買這本書可以去

ISBN：	9787111582960	出版時(shí)間：	2017-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	270	字?jǐn)?shù)：

內(nèi)容簡介

　　本書共分12章，第1章為緒論。第2章為數(shù)字圖像的獲取，主要針對圖像采集裝置進(jìn)行介紹，包括相機(jī)、鏡頭、光源等硬件設(shè)施。第3章為數(shù)字圖像預(yù)處理，包括圖像變換、圖像增強(qiáng)及數(shù)字形態(tài)學(xué)在預(yù)處理中的應(yīng)用。第4章為圖像分割技術(shù)，對Hough變換、區(qū)域分割等不同的邊緣檢測和圖像分割算法的應(yīng)用及特點(diǎn)進(jìn)行總結(jié)。第5章為圖像特征提取與選擇，包括顏色特征和幾何特征的提取方法、基于主成分分析和Fisher變化的特征選擇方法。第6章為圖像匹配，利用基于灰度和特征的匹配算法尋找與模板對應(yīng)的圖像區(qū)域。第7章是圖像智能識別，對聚類識別、神經(jīng)網(wǎng)絡(luò)識別、支持向量機(jī)、模糊識別理論和實(shí)現(xiàn)方法進(jìn)行了詳細(xì)的講解。第8至12章為數(shù)字圖像案例，案例內(nèi)容包括車牌識別、多氣泡上升軌跡跟蹤、人臉識別和圖像三維識別、燈腳質(zhì)量檢測等。本書第3至7章為數(shù)字圖像處理的基本處理方法，對本書中涉及的數(shù)字圖像處理算法進(jìn)行了清晰明了的描述，并詳細(xì)描述了其實(shí)現(xiàn)過程，配有相應(yīng)的程序代碼，使讀者（學(xué)生）容易理解所講內(nèi)容的原理、理論知識。第8至12章主要是數(shù)字圖像處理技術(shù)在實(shí)際工程問題中的應(yīng)用，對問題的研究背景、設(shè)計(jì)方案、解決方法、實(shí)現(xiàn)過程及代碼實(shí)現(xiàn)進(jìn)行了細(xì)致的闡述。在案例的程序設(shè)計(jì)方面，采用MATLAB或OpenCV（C++）語言實(shí)現(xiàn)，加強(qiáng)學(xué)生程序編寫、算法實(shí)現(xiàn)的能力，從而提升其在數(shù)字圖像處理方面的軟件開發(fā)能力。本書總結(jié)了圖像領(lǐng)域先進(jìn)理論和算法，對工程應(yīng)用系統(tǒng)的綜合分析很有借鑒意義?？勺鳛橥ㄐ排c信息工程、電子科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)、控制科學(xué)與工程等相關(guān)專業(yè)教材及參考用書，也可供從事圖像處理、分析和識別等相關(guān)領(lǐng)域的科技工作者和工程技術(shù)人員參考。

作者簡介

　　宋麗梅天津工業(yè)大學(xué)電氣工程與自動(dòng)化學(xué)院副院長 2008/10－至今，天津工業(yè)大學(xué)，電氣工程與自動(dòng)化學(xué)院，教授，副院長2011/10－2012/04，澳大利亞Wollongong大學(xué)，信息學(xué)院，訪問學(xué)者2006/05－2008/09，西南科技大學(xué)，信息工程學(xué)院，副教授2006/02－2006/08，日本廣島工業(yè)大學(xué)，情報(bào)科學(xué)部，訪問學(xué)者2004/06－2006/04，天津大學(xué)，精密儀器與光電子工程學(xué)院，博士后中國圖像圖形學(xué)會高級會員，計(jì)算機(jī)學(xué)會高級會員，。長期從事自動(dòng)控制與圖像特征識別方面的研究工作，作為項(xiàng)目負(fù)責(zé)人主持項(xiàng)目7項(xiàng)、部委級項(xiàng)目25項(xiàng)、橫向課題38項(xiàng)。國內(nèi)外發(fā)表論文80多篇，SCI、EI檢索50多篇。出版教材2部，授權(quán)國家發(fā)明專利21項(xiàng)、實(shí)用新型專利32項(xiàng)。榮獲國際“發(fā)明展”金獎(jiǎng)2項(xiàng)，公安部技術(shù)革新特別項(xiàng)目獎(jiǎng)2項(xiàng)。

圖書目錄

目錄
前言
第1章數(shù)字圖像處理概述
1.1數(shù)字圖像的基本概念
1.1.1圖像
1.1.2數(shù)字圖像及其存儲方式
1.1.3數(shù)字圖像的分類
1.1.4數(shù)字圖像處理系統(tǒng)
1.2數(shù)字圖像處理發(fā)展史及發(fā)展趨勢
1.3數(shù)字圖像處理的特點(diǎn)
1.4數(shù)字圖像處理的工程應(yīng)用
1.5數(shù)字圖像處理的主要內(nèi)容
【課后習(xí)題】
第2章圖像采集
2.1照明
2.1.1光源類型
2.1.2照明方式
2.1.3選擇合適的照明光源及照明方式
2.2鏡頭
2.2.1鏡頭的基本常識
2.2.2鏡頭的類型
2.2.3選擇合適的鏡頭
2.3相機(jī)
2.4相機(jī)接口技術(shù)
【課后習(xí)題】
第3章圖像預(yù)處理技術(shù)
3.1圖像的灰度變換
3.1.1線性變化
3.1.2分段線性變換
3.1.3灰度對數(shù)變換
3.1.4直方圖均衡化
3.2圖像的幾何變換
3.2.1平移
3.2.2旋轉(zhuǎn)
3.2.3比例放縮
3.2.4鏡像
3.2.5插值
3.3圖像增強(qiáng)
3.3.1均值濾波
3.3.2中值濾波
3.3.3對比度增強(qiáng)
3.3.4小波去噪
3.4形態(tài)學(xué)處理
3.4.1腐蝕
3.4.2膨脹
3.4.3開運(yùn)算
3.4.4閉運(yùn)算
3.4.5細(xì)化
3.4.6填充
【課后習(xí)題】
第4章圖像分割技術(shù)
4.1邊緣檢測
4.1.1Roberts邊緣算子
4.1.2Sobel邊緣算子
4.1.3Prewitt邊緣算子
4.1.4Laplacian邊緣算子
4.1.5LoG邊緣算子
4.1.6Canny邊緣算子
4.1.7邊緣檢測算子的MATLAB實(shí)現(xiàn)
4.2Hough變換
4.2.1Hough變換概述
4.2.2基于Hough變換的直線檢測
4.2.3基于Hough變換的曲線檢測
4.3閾值分割
4.3.1閾值分割的基本原理
4.3.2閾值分割方法的分類
4.3.3極小值點(diǎn)閾值法
4.3.4最小均方誤差法
4.3.5迭代選擇閾值法
4.3.6雙峰法
4.3.7最大類間方差法
4.4基于區(qū)域的圖像分割
4.4.1區(qū)域生長算法
4.4.2區(qū)域分裂合并算法
【課后習(xí)題】
第5章圖像特征提取與選擇
5.1顏色特征
5.1.1顏色直方圖
5.1.2顏色集
5.1.3顏色矩
5.1.4顏色聚合向量
5.1.5顏色相關(guān)圖
5.2基于灰度共生矩陣的紋理特征構(gòu)建
5.2.1灰度共生矩陣的定義
5.2.2基于灰度共生矩陣的紋理特征
5.2.3基于灰度-梯度共生矩陣的紋理特征構(gòu)建
5.3幾何特征
5.3.1位置
5.3.2方向
5.3.3周長
5.3.4面積
5.4基于主成分分析的特征選擇
5.5基于Fisher線性判據(jù)的特征選擇
【課后習(xí)題】
第6章圖像匹配
6.1模板匹配旳概念
6.2基于灰度相關(guān)的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亞像素精度匹配
6.4使用空間金字塔進(jìn)行匹配
6.4.1空間金字塔的表示方法
6.4.2空間金字塔匹配的基本原理
6.4.3空間金字塔匹配算法實(shí)現(xiàn)
6.5帶旋轉(zhuǎn)與縮放的模板匹配
6.5.1高斯尺度空間的極值檢測
6.5.2特征點(diǎn)位置的確定
6.5.3特征點(diǎn)方向的確定
6.5.4特征點(diǎn)描述子生成
6.5.5SIFT特征向量的匹配
【課后習(xí)題】
第7章圖像智能識別方法
7.1聚類識別
7.1.1聚類算法主要思想
7.1.2K-Means聚類算法理論基礎(chǔ)
7.1.3聚類算法的MATLAB實(shí)現(xiàn)
7.2神經(jīng)網(wǎng)絡(luò)識別
7.2.1人工神經(jīng)網(wǎng)絡(luò)的主要思想
7.2.2BP神經(jīng)網(wǎng)絡(luò)算法的理論基礎(chǔ)
7.2.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的MATLAB實(shí)現(xiàn)
7.3支持向量機(jī)識別
7.3.1支持向量機(jī)的分類思想
7.3.2SVM的基本理論
7.3.3SVM算法的MATLAB實(shí)現(xiàn)
7.4模糊識別
7.4.1模糊圖像識別的設(shè)計(jì)思想
7.4.2貼近度與模糊度
7.4.3最大隸屬原則與擇近原則
7.4.4模糊算法的MATLAB實(shí)現(xiàn)
【課后習(xí)題】
第8章工程應(yīng)用：車牌識別
8.1牌照定位
8.2牌照區(qū)域的分割
8.3字符分割與歸一化
8.4字符細(xì)化
8.5字符的識別
第9章工程應(yīng)用：多氣泡上升軌跡跟蹤
9.1氣泡圖像的預(yù)處理
9.2氣泡運(yùn)動(dòng)軌跡跟蹤方法
9.2.1基于互相關(guān)匹配的目標(biāo)跟蹤
9.2.2基于Mean-Shift算法的目標(biāo)跟蹤
第10章工程應(yīng)用：人臉識別
10.1ORL人臉數(shù)據(jù)庫簡介
10.2基于PCA的人臉圖像的特征提取
10.3人臉圖像識別方法
10.3.1k-近鄰算法
10.3.2BP神經(jīng)網(wǎng)絡(luò)法
10.3.3基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類
10.3.4實(shí)驗(yàn)的結(jié)果
10.4簡單實(shí)例
第11章工程應(yīng)用：基于SURF特征點(diǎn)匹配的圖像三維識別
11.1圖像三維識別系統(tǒng)的方案設(shè)計(jì)
11.2圖像三維識別過程
11.2.1三維圖像預(yù)處理
11.2.2基于SURF算法的特征點(diǎn)匹配
11.2.3最優(yōu)匹配點(diǎn)的提取
11.2.4圖像三維坐標(biāo)的計(jì)算
11.2.5圖像三維識別
11.3基于SURF特征點(diǎn)匹配的圖像三維識別的OpenCV完整代碼
第12章工程應(yīng)用：基于OpenCV的燈腳質(zhì)量檢測
12.1燈腳質(zhì)量檢測的方案設(shè)計(jì)
12.2燈腳質(zhì)量檢測過程
12.2.1相機(jī)標(biāo)定
12.2.2燈腳圖像檢測
12.2.3燈腳檢測界面及結(jié)果分析
附錄顏色集
參考文獻(xiàn)