MATLAB計(jì)算機(jī)視覺(jué)經(jīng)典應(yīng)用

目錄
第1章 MATLAB R2020a入門(mén)與提升\t1
1．1 MATLAB R2020a的功能特點(diǎn)\t1
1．2 MATLAB R2020a的新功能\t2
1．3 MATLAB R2020a運(yùn)行界面\t5
1．4 MATLAB R2020a命令行窗口\t5
1．5 幫助系統(tǒng)\t7
1．6 數(shù)據(jù)類(lèi)型\t9
1．6．1 常量與變量\t9
1．6．2 矩陣與數(shù)組\t10
1．7 結(jié)構(gòu)化程序設(shè)計(jì)\t12
1．7．1 選擇結(jié)構(gòu)\t12
1．7．2 循環(huán)結(jié)構(gòu)\t15
1．8 M文件\t15
1．9 矩陣的操作\t17
1．9．1 矩陣的擴(kuò)展\t17
1．9．2 索引擴(kuò)展\t20
1．9．3 改變形狀\t20
第2章 計(jì)算機(jī)視覺(jué)概述\t24
2．1 計(jì)算機(jī)視覺(jué)是什么\t24
2．2 計(jì)算機(jī)視覺(jué)的發(fā)展\t25
2．3 計(jì)算機(jī)視覺(jué)的相關(guān)概念\t26
2．3．1 圖像和視頻\t26
2．3．2 攝像機(jī)\t27
2．3．3 CPU和GPU\t28
2．4 計(jì)算機(jī)視覺(jué)的應(yīng)用\t28
2．4．1 物體的識(shí)別和檢測(cè)\t29
2．4．2 語(yǔ)義分割\t29
2．4．3 運(yùn)動(dòng)和跟蹤\t29
2．4．4 視覺(jué)問(wèn)答\t30
2．4．5 三維重建\t31
2．5 計(jì)算機(jī)視覺(jué)的相關(guān)學(xué)科\t32
第3章 計(jì)算機(jī)視覺(jué)在圖像處理中的
應(yīng)用\t33
3．1 圖像處理基礎(chǔ)\t33
3．1．1 圖像表達(dá)式\t33
3．1．2 MATLAB支持的圖像
文件格式\t35
3．1．3 圖像的類(lèi)型\t35
3．2 圖像抖動(dòng)\t38
3．3 圖像去霧處理\t39
3．3．1 空域圖像增強(qiáng)\t39
3．3．2 直方圖均衡化\t40
3．3．3 Retinex圖像增強(qiáng)\t42
3．3．4 平滑濾波\t46
3．3．5 中值濾波器\t48
3．3．6 自適應(yīng)濾波\t49
3．3．7 銳化濾波器\t50
3．4 圖像的鏡像變換\t68
3．5 圖像的空間變換\t70
3．5．1 仿射變換\t70
3．5．2 投影變換\t71
3．6 圖像退化\t72
3．7 圖像復(fù)原\t75
3．7．1 維納濾波復(fù)原法\t75
3．7．2 Lucy-Richardson復(fù)原法\t77
3．8 圖像識(shí)別\t79
3．8．1 圖像識(shí)別的大致流程\t79
3．8．2 圖像模糊識(shí)別的實(shí)現(xiàn)\t80
第4章 計(jì)算機(jī)視覺(jué)在形態(tài)學(xué)中的應(yīng)用\t84
4．1 形態(tài)學(xué)去噪處理概述\t84
4．1．1 形態(tài)學(xué)的權(quán)重實(shí)現(xiàn)
圖像去噪\t84
4．1．2 圖像去噪的方法\t84
4．2 形態(tài)學(xué)的原理\t85
4．2．1 膨脹\t86
4．2．2 腐蝕\t87
4．2．3 開(kāi)運(yùn)算和閉運(yùn)算\t88
4．3 權(quán)值自適應(yīng)的多結(jié)構(gòu)形態(tài)學(xué)\t89
4．4 形態(tài)學(xué)去噪的實(shí)現(xiàn)\t90
4．5 結(jié)構(gòu)元素\t95
4．6 邊緣檢測(cè)\t96
4．6．1 邊緣檢測(cè)算子概述\t96
4．6．2 邊緣檢測(cè)的實(shí)現(xiàn)\t97
4．7 多尺度形態(tài)學(xué)\t98
第5章 計(jì)算機(jī)視覺(jué)在字符識(shí)別中的
應(yīng)用\t105
5．1 卷積神經(jīng)網(wǎng)絡(luò)\t105
5．1．1 卷積神經(jīng)網(wǎng)絡(luò)的概念\t105
5．1．2 卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
圖像分類(lèi)\t108
5．2 測(cè)手寫(xiě)數(shù)字的旋轉(zhuǎn)角度\t111
5．3 將分類(lèi)網(wǎng)絡(luò)轉(zhuǎn)換為回歸網(wǎng)絡(luò)\t117
5．4 卷積自編碼\t121
5．4．1 卷積自編碼概述\t121
5．4．2 卷積自編碼實(shí)現(xiàn)
去噪處理\t121
5．5 殘差網(wǎng)絡(luò)\t127
5．5．1 殘差網(wǎng)絡(luò)概述\t127
5．5．2 殘差網(wǎng)絡(luò)實(shí)現(xiàn)圖像分類(lèi)\t129
5．6 LSTM網(wǎng)絡(luò)實(shí)現(xiàn)字符嵌入
生成文本\t136
5．7 LSTM網(wǎng)絡(luò)逐單詞生成文本\t140
5．8 RNN網(wǎng)絡(luò)\t144
5．8．1 RNN概述\t144
5．8．2 RNN實(shí)現(xiàn)文本分類(lèi)\t146
5．9 HOG特征與SVM分類(lèi)器\t152
5．9．1 HOG\t152
5．9．2 SVM\t155
5．9．3 HOG實(shí)現(xiàn)數(shù)據(jù)分類(lèi)\t158
5．10 OCR實(shí)現(xiàn)字符識(shí)別\t163
5．10．1 OCR算法\t163
5．10．2 OCR實(shí)現(xiàn)自然圖像中
文本的識(shí)別\t165
第6章 計(jì)算機(jī)視覺(jué)在拼接中的應(yīng)用\t172
6．1 全景拼接\t172
6．1．1 理論部分\t172
6．1．2 圖像配準(zhǔn)技術(shù)拼接
全景圖\t174
6．2 ICP拼接\t178
6．2．1 ICP算法的原理與步驟\t178
6．2．2 利用ICP算法實(shí)現(xiàn)圖像
拼接\t179
第7章 計(jì)算機(jī)視覺(jué)在目標(biāo)匹配中的
應(yīng)用\t183
7．1 點(diǎn)特征匹配目標(biāo)\t183
7．1．1 點(diǎn)特征的概念\t183
7．1．2 仿射變換\t183
7．1．3 在一個(gè)雜亂的場(chǎng)景中實(shí)現(xiàn)
匹配目標(biāo)檢測(cè)\t184
7．1．4 使用點(diǎn)特征匹配捕獲
視頻\t190
7．2 未標(biāo)定立體圖像校正\t197
7．2．1 外極線約束原理\t197
7．2．2 平行光軸相機(jī)的極限
約束\t198
7．2．3 立體匹配概述\t198
7．2．4 立體匹配的具體步驟\t199
7．2．5 立體匹配實(shí)現(xiàn)圖像校正\t200
7．3 高斯混合模型\t205
7．3．1 高斯混合模型概述\t205
7．3．2 高斯混合模型實(shí)現(xiàn)
車(chē)輛檢測(cè)\t210
第8章 計(jì)算機(jī)視覺(jué)在遙感中的應(yīng)用\t214
8．1 多光譜技術(shù)分割圖像\t214
8．2 K均值聚類(lèi)算法\t224
8．2．1 K均值聚類(lèi)算法的原理\t225
8．2．2 K均值聚類(lèi)算法的要點(diǎn)\t225
8．2．3 K均值聚類(lèi)算法的缺點(diǎn)\t226
8．2．4 K均值聚類(lèi)算法實(shí)現(xiàn)
圖像分割\t226
8．3 紋理濾波和空間信息\t228
8．3．1 紋理濾波概述\t228
8．3．2 空間信息概述\t230
8．3．3 紋理濾波和空間信息
實(shí)現(xiàn)圖像分割\t231
8．4 測(cè)量圖像中的距離\t234
第9章 計(jì)算機(jī)視覺(jué)在人臉識(shí)別中的
應(yīng)用\t240
9．1 KLT算法\t240
9．1．1 光流的概念\t240
9．1．2 KLT算法概述\t241
9．1．3 KTL算法實(shí)現(xiàn)人臉追蹤\t241
9．1．4 在場(chǎng)景中追蹤人臉\t244
9．2 CAMShift算法\t246
9．2．1 CAMShift算法概述\t246
9．2．2 CAMShift算法實(shí)現(xiàn)人臉
檢測(cè)與追蹤\t248
參考文獻(xiàn)\t251