機器視覺與機器學習 — 算法原理、框架應用與代碼實現
宋麗梅 , 朱新軍
- 出版商: 機械工業
- 出版日期: 2020-06-01
- 售價: $708
- 貴賓價: 9.5 折 $673
- 語言: 簡體中文
- 頁數: 602
- 裝訂: 平裝
- ISBN: 7111654544
- ISBN-13: 9787111654544
-
相關分類:
Machine Learning、Computer Vision
立即出貨 (庫存=1)
買這商品的人也買了...
-
電腦視覺－演算法與應用 (Computer Vision: Algorithms and Applications)$834$792 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
OpenCV 3 學習手冊 (Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library)$1,200$948 -
$332深度學習框架 PyTorch : 入門與實踐 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
$469視覺計算基礎：電腦視覺、圖形學和圖像處理的核心概念 (Introduction to Visual Computing: Core Concepts in Computer Vision, Graphics, and Image Processing) -
$403OpenCV 4 電腦視覺項目實戰, 2/e -
$454C# 神經網絡編程 -
OpenCV 4 專案實務, 2/e (Learn OpenCV 4 by Building Projects: Build real-world computer vision and image processing applications with OpenCV and C++, 2/e)$450$356 -
科班出身的 AI人必修課：OpenCV 影像處理 使用 Python$780$616 -
深度學習 (Deep Learning)(繁體中文版)$1,200$948 -
$454Halcon 機器視覺算法原理與編程實戰 -
$250HALCON 數字圖像處理 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
$556程序員的AI書：從代碼開始 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
$427Keras 高級深度學習 -
$454OpenCV 4 快速入門 -
機器視覺原理與案例詳解$336$319 -
$449玩轉3D視界 —— 3D機器視覺及其應用 -
影像處理與電腦視覺, 7/e$780$741 -
深度探索 Linux 系統虛擬化：原理與實現$534$507 -
練核心從裡強到外：全面了解 Linux 基礎架構$1,000$850 -
翻轉職涯！轉職 PM 的必備工作力×與工程師的協作心法 (iT邦幫忙鐵人賽系列書)$520$406 -
計算機視覺應用與實戰$654$621
相關主題
商品描述
本書內容共10章。
1章為緒論，包括機器視覺的相關概念，機器視覺的發展、基本任務、應用領域與困難，以及馬爾視覺理論；
2章為數字圖像處理；
3章為相機成像；
4章為相機標定；
5章為Shape from X；
6章為雙目立體視覺；
7章為結構光三維視覺；
8章為深度相機，介紹當前頗受歡迎的Kinect、Intel RealSense等深度相機的知識與相關應用；
9章為機器學習基礎；10章為機器學習在機器視覺領域的應用，包括機器學習在模式識別、
圖像分辨率重建、圖像去噪、目標跟踪、三維重建等方面的應用。
本書除1章和9章，其他各章都配有應用案例，包括案例的分析過程、實驗設置、實驗數據、程序代碼及運行結果。
案例的編程實現採用了MATLAB、C++、Python程序設計語言，使用了OpenCV函數、
MATLAB視覺與圖形工具箱、Scikit-Learn機器學習工具包，以及MatConvNet、TensorFlow、Keras深度學習框架。
通過講解案例背景與原理、設計思路、實驗步驟、開發環境與工具和實驗結果，
使讀者能夠根據案例理解相關內容，加強工程實際應用中理論和知識的學習。
同時，本書對從事機器視覺與機器學習的科研人員和工程師也具有一定的參考作用。
目錄大綱
目錄
前言
1章緒論
1.1機器視覺
1.1.1機器視覺的發展
1.1.2機器視覺與其他領域的關係
1.2機器視覺研究的任務、基本內容、應用領域與困難
1.2.1任務
1.2.2基本內容
1.2.3應用領域
1.2.4困難
1.2.5機器視覺與人類視覺的關係
1.3馬爾視覺理論
1.3.1視覺是一個複雜的信息加工過程
1.3.2視覺系統研究的三個層次
1.3.3視覺系統處理的三個階段
1.4習題
2章數字圖像處理
2.1圖像預處理
2.1.1圖像濾波
2.1.2二值化
2.1.3邊緣提取
2.2圖像分割
2.3數字圖像處理的數學工具
2.3.1傅里葉變換圖像處理
2.3.2離散餘弦變換
2.3.3偏微分方程圖像處理
2.3.4小波變換等時頻分析方法
2.3.5形態學處理
2.4圖像特徵提取
2.4.1特徵提取算法
2.4.2主成分分析
2.4.3SIFT特徵點
2.4.4SURF特徵點
2.5案例——燈泡燈腳檢測中的圖像處理
2.5.1檢測背景
2.5.2圖像處理過程與結果
2.6習題
3章相機成像
3.1影幾何與幾何變換
3.1.1空間幾何變換
3.1.2三維到二維投影
3.2成像模型
3.2.1線性模型
3.2.2非線性模型
3.3圖像亮度
3.3.1亮度模式
3.3.2傳感器
3.3.3感知顏色
3.4數字相機與光源
3.4.1光源
3.4.2鏡頭
3.4.3相機接口
3.5案例——光源對成像的影響
3.5.1實驗設備
3.5.2光源照明效果
3.5.3鉚釘光源實驗
3.6習題
4章相機標定
4.1相機標定基礎
4.1.1空間坐標系
4.1.2空間坐標系變換
4.2相機標定方法
4.2.1Tsai相機標定
4.2.2張正友標定
4.3相機標定的MATLAB與OpenCV實現
4.3.1MATLAB棋盤格標定
4.3.2OpenCV棋盤格標定
4.4圓形板標定方法
4.4.1單相機標定
4.4.2立體相機標定
4.5單相機與光源系統標定
4.5.1背景
4.5.2原理與方法
4.6案例——顯微測量標定
4.6.1顯微標定模型
4.6.2相機標定實驗
4.7案例——機器人手眼標定
4.7.1機械臂坐標系
4.7.2手眼標定
4.8習題
5章Shape from X
5.1Shape from X技術
5.2光度立體
5.2.1典型算法介紹
5.2.2典型算法實現
5.2.3算法實例
5.3從影恢復形狀
5.3.1SFS問題的起源
5.3.2SFS問題的解決方案
5.3.3小值方法
5.3.4演化方法
5.3.5局部分析法
5.3.6線性化方法
5.4從運動求取結構
5.4.1光流與運動場
5.4.2多視圖求取結構
5.5從紋理中恢復形狀
5.5.1從紋理恢復形狀的三種方法
5.5.2紋理模式假設
5.6案例——從影恢復形狀
5.6.1三維缺陷自動檢測
5.6.2氣泡大小的自動檢測
5.7習題
