顶部
收藏

计算机视觉技术及应用


作者:
主编:吴成东 副主编:迟剑宁、张祥越、于晓升
定价:
40.50元
ISBN:
978-7-04-060086-5
版面字数:
410.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-08-16
读者对象:
高等教育
一级分类:
电气/电子信息/自动化类
二级分类:
电气/自动化专业课
三级分类:
其他

本书主要介绍机器视觉基础理论与应用技术。 首先介绍了机器视觉技术发展过程与趋势,进而介绍了机器视觉的基本理论,主要包括图像与视频预处理技术、图像去噪与增强技术、图像分割技术、图像特征描述方法、图像几何变换与映射、相机模型与多视图几何、目标分类识别技术、深度学习与机器视觉,最后,介绍了机器视觉技术在手势识别、车辆检测、人脸识别、医学诊断、人体姿态估计、水下图像目标检测等领域的典型应用案例。

本书可作为高等院校机器人工程、自动化、人工智能、计算机科学与技术、电气工程及其自动化、电子科学与技术等专业的教材,也可作为相关专业的教学参考书。 同时,也可供机器视觉、图像处理、智能机器人、人工智能、智能无人系统等领域的研究生与工程技术人员参考。

  • 前辅文
  • 第1章 绪论
    • 1.1 机器视觉概述
      • 1.1.1人类视觉系统模型
      • 1.1.2机器视觉系统模型
    • 1.2 机器视觉发展过程
    • 1.3 机器视觉系统基本构成
      • 1.3.1机器视觉系统硬件构成
      • 1.3.2机器视觉系统软件及编程工具
      • 1.3.3机器视觉硬件系统与软件系统关系
    • 1.4 典型的机器视觉技术
      • 1.4.1尺寸测量
      • 1.4.2缺陷检测
      • 1.4.3图像融合
      • 1.4.4目标跟踪
      • 1.4.5三维重构
    • 1.5 机器视觉技术应用领域
      • 1.5.1制造业应用
      • 1.5.2农业应用
      • 1.5.3汽车行业应用
      • 1.5.4医学应用
    • 1.6 机器视觉未来发展趋势
      • 1.6.1多传感器信息融合方法研究
      • 1.6.2深层初级视觉理论和方法研究
      • 1.6.3主动视觉研究
      • 1.6.4完整三维场景重构
      • 1.6.5视觉并行计算结构研究
      • 1.6.6通用视觉信息系统研究
    • 习题
  • 第2章 图像与视频预处理技术
    • 2.1 图像格式
      • 2.1.1BMP图像
      • 2.1.2GIF图像
      • 2.1.3PNG图像
      • 2.1.4TIFF图像
      • 2.1.5JPEG.2000图像
    • 2.2 视频格式
      • 2.2.1AVS视频
      • 2.2.2HDV视频
      • 2.2.3WMV视频
    • 2.3 灰度图像预处理
      • 2.3.1函数灰度变换
      • 2.3.2直方图类方法
      • 2.3.3几何变换
    • 2.4 彩色图像预处理
      • 2.4.1颜色模型
      • 2.4.2灰度图像与彩色图像的转换
      • 2.4.3彩色图像平衡与补偿
    • 2.5 视频流处理
      • 2.5.1视频镜头分割
      • 2.5.2关键帧提取
      • 2.5.3视频特征提取
    • 习题
  • 第3章 图像去噪与增强技术
    • 3.1 图像噪声与退化模型
      • 3.1.1图像噪声的概念
      • 3.1.2图像噪声的成因和来源
      • 3.1.3常见的噪声
      • 3.1.4图像退化/复原模型
    • 3.2 空间滤波基础
      • 3.2.1空间卷积
      • 3.2.2空间滤波的向量形式
      • 3.2.3滤波器模板
    • 3.3 基于空间滤波的图像去噪
      • 3.3.1均值滤波
      • 3.3.2高斯滤波
      • 3.3.3统计顺序滤波
      • 3.3.4非局部均值滤波
    • 3.4 基于空间滤波的图像增强
      • 3.4.1梯度增强
      • 3.4.2拉普拉斯算子
      • 3.4.3混合空间图像增强
    • 3.5 频域滤波基础
      • 3.5.1二维傅里叶变换
      • 3.5.2频域滤波基本步骤
      • 3.5.3空间域与频率域的对应关系
    • 3.6 基于频域滤波的图像去噪
      • 3.6.1理想低通滤波器
      • 3.6.2巴特沃思低通滤波器
      • 3.6.3高斯低通滤波器
      • 3.6.4其他低通滤波器举例
    • 3.7 基于频域滤波的图像增强
      • 3.7.1理想高通滤波器
      • 3.7.2巴特沃思高通滤波器
      • 3.7.3高斯高通滤波器
      • 3.7.4拉普拉斯算子的频域形式
      • 3.7.5同态滤波
    • 习题
  • 第4章 图像分割技术
    • 4.1 图像分割的概念
    • 4.2 图像边缘检测
      • 4.2.1孤立点检测
      • 4.2.2线检测
      • 4.2.3边缘模型
      • 4.2.4边缘检测方法
    • 4.3 基于阈值的图像分割方法
      • 4.3.1全局阈值分割
      • 4.3.2基于Otsu方法的全局最优阈值分割
      • 4.3.3改进全局阈值的分割方法
      • 4.3.4多阈值分割、可变阈值分割、多变量阈值分割
    • 4.4 基于区域的图像分割方法
      • 4.4.1区域生长算法
      • 4.4.2区域分裂与聚合
    • 4.5 基于形态学的图像分割方法
      • 4.5.1分水岭分割算法
      • 4.5.2水平集分割算法
    • 习题
  • 第5章 图像特征描述方法
    • 5.1 图像表示
      • 5.1.1边界追踪表示
      • 5.1.2链码表示
      • 5.1.3多边形近似表示
      • 5.1.4骨架表示
    • 5.2 边界描述子
      • 5.2.1简单边界描述子
      • 5.2.2形状数
      • 5.2.3傅里叶描述子
      • 5.2.4统计矩描述子
      • 5.2.5Harris角点描述子
      • 5.2.6尺度不变特征变换(SIFT)描述子
      • 5.2.7Hough变换描述子
    • 5.3 区域描述子
      • 5.3.1简单区域描述子
      • 5.3.2纹理描述子
      • 5.3.3不变矩
    • 习题
  • 第6章 图像几何变换与映射
    • 6.1 射影几何基础
      • 6.1.1射影空间中点和超平面
      • 6.1.2齐次坐标的理解
    • 6.2 图像处理坐标系
      • 6.2.1图像坐标系
      • 6.2.2相机坐标系
      • 6.2.3世界坐标系
    • 6.3 坐标变换
      • 6.3.1坐标平移
      • 6.3.2坐标伸缩
      • 6.3.3坐标旋转
      • 6.3.4坐标系变换
    • 6.4 变换模型
      • 6.4.1欧氏变换模型
      • 6.4.2相似变换模型
      • 6.4.3仿射变换模型
      • 6.4.4投影变换模型
    • 6.5 图像映射
      • 6.5.1单应性变换
      • 6.5.2图像扭曲
      • 6.5.3全景图创建
      • 6.5.4图像配准
    • 习题
  • 第7章 相机模型与多视图几何
    • 7.1 针孔相机模型
      • 7.1.1相机矩阵
      • 7.1.2相机点的投影
      • 7.1.3相机矩阵分解
      • 7.1.4相机中心位置计算
    • 7.2 相机标定
      • 7.2.1相机标定原理
      • 7.2.2相机畸变
      • 7.2.3相机标定
      • 7.2.4相机位置与方向
    • 7.3 多视图几何
      • 7.3.1对极几何
      • 7.3.2相机与三维结构计算
      • 7.3.3多视图重建
      • 7.3.4立体图像获取
    • 习题
  • 第8章 目标分类识别技术
    • 8.1 类与模式
    • 8.2 无监督分类识别技术
      • 8.2.1K-means聚类分类法
      • 8.2.2模糊C均值聚类分类法
      • 8.2.3Mean-Shift聚类分类法
      • 8.2.4Super-Pixel聚类分类法
    • 8.3 有监督分类识别技术
      • 8.3.1K近邻分类识别算法
      • 8.3.2决策树分类识别算法
      • 8.3.3贝叶斯分类识别算法
      • 8.3.4逻辑回归分类识别技术
    • 8.4 神经网络分类识别技术
    • 8.5 模糊神经网络分类识别技术
      • 8.5.1模糊理论概述
      • 8.5.2模糊理论与神经网络的融合
      • 8.5.3基于自适应模糊神经网络的分类器设计
    • 习题
  • 第9章 深度学习与机器视觉
    • 9.1 深度学习的发展
    • 9.2 深度学习基本思想
    • 9.3 常用深度学习方法
    • 9.4 深度学习训练机制
      • 9.4.1特殊的有监督训练模式
      • 9.4.2训练注意事项
      • 9.4.3欠拟合和过拟合
    • 9.5 卷积神经网络
      • 9.5.1激活函数
      • 9.5.2损失函数
      • 9.5.3优化函数
      • 9.5.4卷积层
      • 9.5.5池化层
      • 9.5.6全连接层
      • 9.5.7感受野
      • 9.5.8卷积神经网络的特点
    • 9.6 典型深度学习网络
      • 9.6.1LeNet网络
      • 9.6.2AlexNet网络
      • 9.6.3VGG网络
      • 9.6.4GoogLeNet网络
      • 9.6.5Faster R-CNN网络
      • 9.6.6YOLO系列网络
    • 9.7 深度学习网络改进策略
      • 9.7.1注意力机制
      • 9.7.2Transformer
    • 习题
  • 第10章 机器视觉技术应用案例
    • 10.1 基于机器视觉的手势估计
      • 10.1.1手势识别和姿态估计简介
      • 10.1.2案例概况
    • 10.2 基于机器视觉的全景拼接技术
      • 10.2.1图像拼接简介
      • 10.2.2案例概况
    • 10.3 行为识别
      • 10.3.1行为识别简介
      • 10.3.2案例概况
    • 10.4 行人检测技术
      • 10.4.1行人检测技术简介
      • 10.4.2案例概况
    • 10.5 车辆检测
      • 10.5.1车辆检测简介
      • 10.5.2案例概况
    • 10.6 人脸识别技术
      • 10.6.1人脸识别技术简介
      • 10.6.2案例概况
    • 10.7 基于视觉的人体姿态估计技术
      • 10.7.1人体姿态估计简介
      • 10.7.2案例概况
    • 10.8 水下图像目标检测
      • 10.8.1水下图像目标检测简介
      • 10.8.2案例概况
    • 10.9 基于视觉的计算机辅助诊断技术
      • 10.9.1计算机辅助诊断技术简介
      • 10.9.2案例概况
  • 参考文献

相关图书