智能图像处理及应用_[中国]杨露菁_9787113252892

本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。全书以图像处理基本流程为主线，内容包括智能图像处理技术、图像分割、图像特征提取、目标检测、图像识别、图像跟踪、目标行为分析、图像融合、图像处理应用实例、图像处理发展趋势。本书将智能图像处理算法和大量的应用实例相结合进行阐述，内容涵盖生物医学、机器视觉、智能交通、智能安防、军事等领域，在各章都列举了有代表性的实例，这些实例具有较好的通用性和应用性，便于读者学习理解，并能很快将这些方法投入到实际应用中。本书适合作为高等院校师生学习智能图像处理技术的教辅材料，也可作为科研院所和公司研发人员的参考用书。

近年来人工智能尤其是深度学习的发展已超出人们的预料，广泛应用于视频图像领域，并且取得了极大的成功。智能图像处理从早期在军事、科研领域的“小众”应用，发展至今已经广泛应用到智慧城市、医疗、交通、安防、农业、工业、娱乐等各行各业，成为与人们生活和生产息息相关的“大众”应用。本书紧贴当前实际，将zui新的人工智能技术与图像处理相结合，系统介绍了智能图像处理的基本概念、处理技术及其应用领域。全书以图像处理基本流程为主线，内容包括智能图像处理技术、图像分割、图像特征提取、目标检测、图像识别、图像跟踪、目标行为分析、图像融合、图像处理应用实例、图像处理发展趋势。第1章介绍智能图像处理的基本概念、图像处理过程、图像处理发展历史以及智能图像处理的应用领域。第2章介绍智能图像处理技术基础，包括机器学习理论、神经网络以及深度学习算法，为后续将这些智能方法应用于图像处理各环节奠定基础。第3章介绍智能图像分割的基本概念、智能图像分割方法及其多领域实际图像分割效果。第4章介绍智能图像特征提取的基本概念，图像底层特征及其特征提取方法，图像深层特征和深度学习特征提取方法，以及实际问题的图像特征。第5章介绍智能目标检测的基本概念和技术框架，基于深度学习的智能目标检测算法以及智能目标检测的应用。第6章介绍智能图像识别的基本原理及其应用，包括文字识别、人脸识别、手部生物特征识别。第7章介绍智能图像跟踪的概念、跟踪步骤和目标跟踪算法分类，智能目标跟踪方法以及跟踪应用的例子。第8章介绍智能视频行为分析及其应用，包括智能视频分析的基本概念、实现方式、功能，以及典型的行为分析的例子。第9章介绍智能图像融合的基本概念、基于卷积神经网络的智能图像融合方法，以及图像融合在医学、遥感、交通领域的应用。第10章列举了智能图像处理的部分实际应用，内容囊括身份鉴别、智能安防、机器视觉、人机交互几个方面。第11章介绍智能图像处理技术和应用方面的发展趋势，阐述了智能图像处理的发展动力和发展趋势，介绍了图像处理与分析的开发平台，分析了智能图像处理存在的问题。本书由杨露菁、吉文阳、郝卓楠、李翀伦、吴俊锋编著。具体分工如下：海军工程大学的杨露菁，负责全书主要章节的编写及统稿；中国科学院的吉文阳编写第5、6章的部分内容，航天科技集团的郝卓楠编写第8、10章的部分内容，某部研究院的李翀伦编写第3、7章的部分内容，中国电子科技集团的吴俊锋编写第11章和第9章的部分内容。全书由徐洁磐主审。本书将智能图像处理算法和大量的应用实例相结合进行阐述，内容涵盖生物医学、机器视觉、智能交通、智能安防、军事等领域，在各章都列举了有代表性的实例，这些实例具有较好的通用性和应用性，便于读者学习理解，并能很快将这些方法投入到实际应用中。本书参考了大量国内外学者的学术论文和互联网资讯，在书后列举了这些参考文献，在此对原作者表示衷心的感谢！由于作者学识有限，书中难免存在疏漏和不足之处，敬请批评指正。编者2019年1月

第1章绪论1.1图像与图像处理概述1.1.1图像与图像处理的概念1.1.2图像处理过程1.1.3图像处理任务1.2智能图像处理概述1.2.1智能图像处理概念1.2.2智能图像基准数据集1.2.3智能图像处理基准测试1.3智能图像处理应用领域1.3.1医疗领域1.3.2机器视觉1.3.3智能交通1.3.4智能安防1.3.5军事领域第2章智能图像处理技术2.1机器学习理论2.1.1机器学习概述2.1.2机器学习方式2.1.3机器学习算法2.2人工神经网络2.2.1人工神经元2.2.2感知器2.2.3支持向量机2.2.4递归神经网络2.3卷积神经网络2.3.1深度学习概述2.3.2卷积神经网络原理2.3.3VGG卷积神经网络第3章智能图像分割3.1图像分割基本概念3.1.1图像分割概念3.1.2传统图像分割方法3.2智能图像分割方法3.2.1基于模糊聚类的分割方法3.2.2基于群智能的图像分割方法3.2.3基于CNN的图像分割方法3.3图像分割的应用效果3.3.1医学图像分割3.3.2交通图像分割3.3.3身体部位分割第4章智能图像特征提取4.1图像特征概述4.1.1图像特征的基本概念4.1.2图像的底层特征4.2智能图像特征提取方法4.2.1图像的深层特征4.2.2深度学习特征提取4.2.3深度学习特征提取的例子4.3图像特征提取应用4.3.1医学图像特征4.3.2水面目标特征第5章智能目标检测5.1图像目标检测原理5.1.1目标检测技术框架5.1.2目标检测评价指标5.1.3目标检测应用分类5.2智能目标检测算法5.2.1RCNN5.2.2SPPNet5.2.3Fast RCNN5.2.4Faster RCNN5.2.5YOLO系列5.3智能目标检测应用5.3.1人脸检测5.3.2无人艇目标检测5.3.3车辆检测5.3.4缺陷检测第6章智能图像识别6.1图像识别基本原理6.1.1图像识别概述6.1.2图像识别过程6.1.3传统图像识别方法6.1.4卷积神经网络识别模型6.2文字识别6.2.1文字识别系统6.2.2LeNet网络文字识别6.2.3文字识别应用——车牌识别6.3人脸识别6.3.1人脸识别系统6.3.2人脸识别算法6.3.3人脸识别应用——人机交互6.4手部生物特征识别6.4.1指纹识别6.4.2掌纹识别6.4.3静脉识别6.4.4手部生物特征识别应用——身份鉴别第7章智能图像跟踪7.1图像跟踪概述7.1.1图像跟踪问题描述7.1.2图像跟踪步骤7.1.3图像跟踪算法分类7.2智能图像跟踪算法7.2.1DLT和SODLT算法7.2.2FCNT和HCFVT算法7.2.3MDNet算法7.2.4RTT算法7.3图像跟踪应用7.3.1图像跟踪应用概述7.3.2交通视频车辆跟踪7.3.3街景视频行人跟踪第8章智能目标行为分析8.1智能视频分析概述8.1.1智能视频分析的基本概念8.1.2智能视频分析的实现方式8.1.3智能视频分析功能8.2人体行为分析8.2.1人体行为分析概述8.2.2人体行为分析方法8.2.3人体行为分析应用8.3行人异常行为分析8.3.1行人摔倒行为分析8.3.2人群异常行为分析8.4手势识别8.4.1手势识别概述8.4.2基于视觉的手势识别8.5多人视频中关键事件识别第9章智能图像融合9.1图像融合概述9.1.1图像融合的基本概念9.1.2图像融合的处理层次9.2图像融合方法9.2.1图像融合方法概述9.2.2基于卷积神经网络的图像融合方法9.3图像融合应用9.3.1多模态医学影像融合9.3.2多元遥感图像融合9.3.3多源交通图像融合9.3.4多波段舰船图像融合第10章智能图像处理应用实例10.1身份鉴别10.1.1苹果手机刷脸解锁10.1.2刷脸的生活应用10.2智能安防10.2.1格灵深瞳监控系统10.2.2商汤科技智能人群分析10.2.3全球眼10.2.4智能视频监控产品10.3机器视觉10.3.1百度机器人人脸识别10.3.2百度无人驾驶10.3.3亚马逊无人超市10.4人机交互10.4.1百度识图10.4.2腾讯云OCR文字识别10.4.3Facebook图片搜索第11章智能图像处理发展趋势11.1智能图像处理的发展动力11.2智能图像处理的发展趋势11.2.1总体发展特点11.2.2图像设备发展趋势11.2.3图像处理硬件系统发展趋势11.2.4图像处理技术发展趋势11.3图像处理与分析开发平台11.3.1OpenCV11.3.2Face++11.3.3NiftyNet11.3.4其他开源项目11.4智能图像处理应用发展趋势11.4.1智能安防行业11.4.2智能交通领域11.4.3身份识别11.4.4工业生产领域11.4.5农业生产领域11.5智能图像处理存在的问题参考文献

你还可能感兴趣

我要评论