MATLAB 圖像、音頻和視頻處理基礎:模式識別應用
[印] 蘭詹·帕雷克(Ranjan Parekh )著 ,章毓晉 譯
- 出版商: 清華大學
- 出版日期: 2022-09-01
- 售價: $534
- 貴賓價: 9.5 折 $507
- 語言: 簡體中文
- ISBN: 7302605645
- ISBN-13: 9787302605645
-
相關分類:
Matlab
- 此書翻譯自: Fundamentals of Image, Audio, and Video Processing Using Matlab(r): With Applications to Pattern Recognition
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$354$336 -
$237MATLAB 信號處理
-
$270$257 -
$534$507 -
$300$270 -
$580$458 -
$680$537 -
$500$390 -
$305語音信號處理 (C++版)
-
$414$393 -
$474$450 -
$690$545 -
$454OpenCV 4.5 電腦視覺開發實戰 (基於 VC++)
-
$454MATLAB R2020a 神經網絡典型案例分析
-
$714$678 -
$354$336 -
$500$390 -
$306電力拖動自動控制系統與 MATLAB 模擬, 3/e
-
$1,134$1,077 -
$352智能平衡移動機器人(MATLAB/Simulink版·微課視頻版)
-
$560數字圖像處理與機器視覺 — Visual C++ 與 Matlab 實現, 2/e
-
$500$390 -
$690$538 -
$352MATLAB 修煉之道:編程實例透析
-
$714$678
相關主題
商品描述
本書基於MATLAB編程以及實踐案例,介紹多媒體(圖像、音頻、視頻)處理的概念和原理及其在模式識別中的應用,幫助讀者掌握讀取、修改和寫入圖像、音頻和視頻文件的工具和技術。本書內容覆蓋廣泛全面,包括MATLAB/Simulink基礎知識、各類繪圖函數,以及圖像處理、信號處理、小波、音頻系統、信號處理系統、電腦視覺系統、統計和機器學習、神經網絡工具箱等。 本書可作為多媒體處理、統計分析和數據可視化等MATLAB相關課程的教材,也可作為模式識別、電腦視覺和基於內容的檢索領域的科研人員和工程技術人員的參考書。
目錄大綱
目錄
第1章圖像處理
1.1引言
1.2工具箱和函數
1.2.1基本MATLAB
(BM)函數
1.2.2圖像處理工具箱
(IPT)函數
1.2.3信號處理工具箱
(SPT)函數
1.2.4小波工具箱(WT)
函數
1.3導入導出和轉換
1.3.1讀和寫圖像數據
1.3.2圖像類型轉換
1.3.3圖像彩色
1.3.4合成圖像
1.4顯示和探索
1.4.1基本顯示
1.4.2交互探索
1.4.3構建交互工具
1.5幾何變換和圖像配準
1.5.1常用幾何變換
1.5.2仿射和投影變換
1.5.3圖像配準
1.6圖像濾波和增強
1.6.1圖像濾波
1.6.2邊緣檢測
1.6.3對比度調整
1.6.4形態學操作
1.6.5ROI和塊處理
1.6.6圖像算術
1.6.7去模糊
1.7圖像分割和分析
1.7.1圖像分割
1.7.2目標分析
1.7.3區域和圖像特性
1.7.4紋理分析
1.7.5圖像質量
1.7.6圖像變換
1.8在頻域中處理
1.9Simulink圖像處理
1.10關於二維繪圖函數的
註記
1.11關於三維繪圖函數的
註記
復習問題
第2章音頻處理
2.1引言
2.2工具箱和函數
2.2.1基本MATLAB
(BM)函數
2.2.2音頻系統工具箱
(AST)函數
2.2.3信號處理系統工具箱
(DSPST)函數
2.2.4信號處理工具箱
(SPT)函數
2.3聲波
2.4音頻I/O和波形生成
2.5音頻處理算法設計
2.6測量和特徵提取
2.7模擬、調整和可視化
2.8樂器數字接口(MIDI)
2.9時間濾波器
2.10頻域濾波器
2.11Simulink音頻處理
復習問題
第3章視頻處理
3.1引言
3.2工具箱和函數
3.2.1基本MATLAB
(BM)函數
3.2.2電腦視覺系統工具
箱(CVST)函數
3.3視頻輸入輸出和播放
3.4處理視頻幀
3.5視頻彩色空間
3.6目標檢測
3.6.1團塊檢測器
3.6.2前景檢測器
3.6.3人體檢測器
3.6.4人臉檢測器
3.6.5光學文字識別
(OCR)
3.7運動跟蹤
3.7.1基於直方圖的跟
蹤器
3.7.2光流
3.7.3點跟蹤器
3.7.4卡爾曼濾波器
3.7.5塊匹配器
3.8Simulink視頻處理
復習問題
第4章模式識別
4.1引言
4.2工具箱和函數
4.2.1電腦視覺系統工具
箱(CVST)函數
4.2.2統計和機器學習工具
箱(SMLT)函數
4.2.3神經網絡工具箱
(NNT)函數
4.3數據採集
4.4預處理
4.5特徵提取
4.5.1最小本徵值方法
4.5.2哈裡斯角點檢
測器
4.5.3FAST算法
4.5.4MSER算法
4.5.5SURF算法
4.5.6KAZE算法
4.5.7BRISK算法
4.5.8LBP算法
4.5.9HOG算法
4.6聚類
4.6.1相似性測度
4.6.2k均值聚類
4.6.3分層聚類
4.6.4基於高斯混合模型
(GMM)的聚類
4.7分類
4.7.1kNN分類器
4.7.2人工神經網絡
(ANN)分類器
4.7.3決策樹分類器
4.7.4鑒別分析分類器
4.7.5樸素貝葉斯分
類器
4.7.6支持向量機(SVM)
分類器
4.7.7分類學習器應用
程序
4.8性能評價
復習問題
函數匯總
參考文獻
主題索引