計算機視覺與應(yīng)用

前言
二維碼索引
章
計算機視覺與應(yīng)用導論
1.1　計算機視覺概述 ００１
1.2　計算機視覺編程工具及環(huán)境配置 ００６
１.２.１　計算機視覺編程工具 ００６
１.２.２　計算機視覺開發(fā)環(huán)境搭建 ００８
第2 章
圖像濾波
2.1　數(shù)字圖像概述 ０２１
２.１.１　數(shù)字圖像的基本概念 ０２１
２.１.２　圖像文件格式 ０２５
2.2　圖像濾波及其應(yīng)用 ０２７
２.２.１　圖像點運算 ０２７
２.２.２　圖像濾波 ０３１
2.3　形態(tài)學處理 ０４０
２.３.１　膨脹運算 ０４２
２.３.２　腐蝕運算 ０４４
２.３.３　開運算與閉運算 ０４６
２.３.４　形態(tài)學梯度 ０４７
２.３.５　頂帽和黑帽運算 ０４９
第3 章
圖像變換
3.1　圖像采樣與插值 ０５０
３.１.１　圖像采樣 ０５０
３.１.２　圖像插值 ０５２
3.2　圖像變換 ０５９
３.２.１　灰度變換 ０５９
３.２.２　圖像幾何變換 ０６２
３.２.３　圖像變換應(yīng)用案例 ０７１
第4 章
圖像特征提取與匹配
4.1　幾何特征 ０７４
４.１.１　圖像梯度 ０７５
４.１.２　圖像邊緣 ０７６
４.１.３　角點特征 ０８０
４.１.４　形狀特征 ０８５
4.2　圖像紋理特征 ０８５
４.２.１　圖像紋理特征定義 ０８５
４.２.２　紋理特征分析 ０８６
４.２.３　紋理合成 ０８９
4.3　局部圖像特征 ０９２
第5 章
目標檢測
5.1　目標檢測簡介 １０３
5.2　目標檢測算法 １０３
５.２.１　傳統(tǒng)的目標檢測算法 １０４
５.２.２　基于深度學習的目標檢測算法 １０９
5.3　人臉檢測 １１４
５.３.１　人臉檢測算法 １１４
５.３.２　基于ＯｐｅｎＣＶ 實現(xiàn)人臉檢測 １１６
５.３.３　基于ＯｐｅｎＣＶ 實現(xiàn)人臉識別 １１９
5.4　增強現(xiàn)實 １２４
第6 章
目標跟蹤
6.1　目標跟蹤概述 １２８
6.2　目標跟蹤方法 １３２
６.２.１　基于相關(guān)濾波的跟蹤算法 １３２
６.２.２　基于深度學習的跟蹤方法 １３５
６.２.３　跨鏡追蹤 １３８
第7 章
目標識別
7.1　目標識別概述 １４０
7.2　目標識別的應(yīng)用 １４３
第8 章
目標三維重構(gòu)
8.1　計算機視覺三維重構(gòu)的理論基礎(chǔ) １４８
8.2　相機標定 １５４
8.3　三維場景重建 １５９
8.4　三維場景重建技術(shù)的應(yīng)用 １６０
第9 章
圖像分類
9.1　機器學習概述 １６３
9.2　機器學習算法應(yīng)用開發(fā)流程 １６４
9.3　圖像分類概述 １６４
9.4　基于機器學習的圖像分類算法 １６７
9.5　機器學習模型評價方法 １７１
9.6　損失函數(shù) １７３
0 章
神經(jīng)網(wǎng)絡(luò)
10.1　深度學習概述 １７６
10.2　卷積神經(jīng)網(wǎng)絡(luò) １７６
10.3　LeNet 模型 １８１
10.4　VGG16 模型 １８４
10.5　AlexNet 模型 １８９
參考文獻 １９６