MATLAB計算機視覺經典應用

目錄
第1章 MATLAB R2020a入門與提升\t1
1．1 MATLAB R2020a的功能特點\t1
1．2 MATLAB R2020a的新功能\t2
1．3 MATLAB R2020a運行界面\t5
1．4 MATLAB R2020a命令行窗口\t5
1．5 幫助系統(tǒng)\t7
1．6 數據類型\t9
1．6．1 常量與變量\t9
1．6．2 矩陣與數組\t10
1．7 結構化程序設計\t12
1．7．1 選擇結構\t12
1．7．2 循環(huán)結構\t15
1．8 M文件\t15
1．9 矩陣的操作\t17
1．9．1 矩陣的擴展\t17
1．9．2 索引擴展\t20
1．9．3 改變形狀\t20
第2章 計算機視覺概述\t24
2．1 計算機視覺是什么\t24
2．2 計算機視覺的發(fā)展\t25
2．3 計算機視覺的相關概念\t26
2．3．1 圖像和視頻\t26
2．3．2 攝像機\t27
2．3．3 CPU和GPU\t28
2．4 計算機視覺的應用\t28
2．4．1 物體的識別和檢測\t29
2．4．2 語義分割\t29
2．4．3 運動和跟蹤\t29
2．4．4 視覺問答\t30
2．4．5 三維重建\t31
2．5 計算機視覺的相關學科\t32
第3章 計算機視覺在圖像處理中的
應用\t33
3．1 圖像處理基礎\t33
3．1．1 圖像表達式\t33
3．1．2 MATLAB支持的圖像
文件格式\t35
3．1．3 圖像的類型\t35
3．2 圖像抖動\t38
3．3 圖像去霧處理\t39
3．3．1 空域圖像增強\t39
3．3．2 直方圖均衡化\t40
3．3．3 Retinex圖像增強\t42
3．3．4 平滑濾波\t46
3．3．5 中值濾波器\t48
3．3．6 自適應濾波\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 圖像復原\t75
3．7．1 維納濾波復原法\t75
3．7．2 Lucy-Richardson復原法\t77
3．8 圖像識別\t79
3．8．1 圖像識別的大致流程\t79
3．8．2 圖像模糊識別的實現\t80
第4章 計算機視覺在形態(tài)學中的應用\t84
4．1 形態(tài)學去噪處理概述\t84
4．1．1 形態(tài)學的權重實現
圖像去噪\t84
4．1．2 圖像去噪的方法\t84
4．2 形態(tài)學的原理\t85
4．2．1 膨脹\t86
4．2．2 腐蝕\t87
4．2．3 開運算和閉運算\t88
4．3 權值自適應的多結構形態(tài)學\t89
4．4 形態(tài)學去噪的實現\t90
4．5 結構元素\t95
4．6 邊緣檢測\t96
4．6．1 邊緣檢測算子概述\t96
4．6．2 邊緣檢測的實現\t97
4．7 多尺度形態(tài)學\t98
第5章 計算機視覺在字符識別中的
應用\t105
5．1 卷積神經網絡\t105
5．1．1 卷積神經網絡的概念\t105
5．1．2 卷積神經網絡實現
圖像分類\t108
5．2 測手寫數字的旋轉角度\t111
5．3 將分類網絡轉換為回歸網絡\t117
5．4 卷積自編碼\t121
5．4．1 卷積自編碼概述\t121
5．4．2 卷積自編碼實現
去噪處理\t121
5．5 殘差網絡\t127
5．5．1 殘差網絡概述\t127
5．5．2 殘差網絡實現圖像分類\t129
5．6 LSTM網絡實現字符嵌入
生成文本\t136
5．7 LSTM網絡逐單詞生成文本\t140
5．8 RNN網絡\t144
5．8．1 RNN概述\t144
5．8．2 RNN實現文本分類\t146
5．9 HOG特征與SVM分類器\t152
5．9．1 HOG\t152
5．9．2 SVM\t155
5．9．3 HOG實現數據分類\t158
5．10 OCR實現字符識別\t163
5．10．1 OCR算法\t163
5．10．2 OCR實現自然圖像中
文本的識別\t165
第6章 計算機視覺在拼接中的應用\t172
6．1 全景拼接\t172
6．1．1 理論部分\t172
6．1．2 圖像配準技術拼接
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算法實現圖像
拼接\t179
第7章 計算機視覺在目標匹配中的
應用\t183
7．1 點特征匹配目標\t183
7．1．1 點特征的概念\t183
7．1．2 仿射變換\t183
7．1．3 在一個雜亂的場景中實現
匹配目標檢測\t184
7．1．4 使用點特征匹配捕獲
視頻\t190
7．2 未標定立體圖像校正\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 立體匹配實現圖像校正\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 高斯混合模型實現
車輛檢測\t210
第8章 計算機視覺在遙感中的應用\t214
8．1 多光譜技術分割圖像\t214
8．2 K均值聚類算法\t224
8．2．1 K均值聚類算法的原理\t225
8．2．2 K均值聚類算法的要點\t225
8．2．3 K均值聚類算法的缺點\t226
8．2．4 K均值聚類算法實現
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
實現圖像分割\t231
8．4 測量圖像中的距離\t234
第9章 計算機視覺在人臉識別中的
應用\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算法實現人臉追蹤\t241
9．1．4 在場景中追蹤人臉\t244
9．2 CAMShift算法\t246
9．2．1 CAMShift算法概述\t246
9．2．2 CAMShift算法實現人臉
檢測與追蹤\t248
參考文獻\t251