MATLAB计算机视觉经典应用

目录

第1章 MATLAB R2020a入门与提升 1
1．1 MATLAB R2020a的功能特点 1
1．2 MATLAB R2020a的新功能 2
1．3 MATLAB R2020a运行界面 5
1．4 MATLAB R2020a命令行窗口 5
1．5 帮助系统 7
1．6 数据类型 9
1．6．1 常量与变量 9
1．6．2 矩阵与数组 10
1．7 结构化程序设计 12
1．7．1 选择结构 12
1．7．2 循环结构 15
1．8 M文件 15
1．9 矩阵的操作 17
1．9．1 矩阵的扩展 17
1．9．2 索引扩展 20
1．9．3 改变形状 20
第2章 计算机视觉概述 24
2．1 计算机视觉是什么 24
2．2 计算机视觉的发展 25
2．3 计算机视觉的相关概念 26
2．3．1 图像和视频 26
2．3．2 摄像机 27
2．3．3 CPU和GPU 28
2．4 计算机视觉的应用 28
2．4．1 物体的识别和检测 29
2．4．2 语义分割 29
2．4．3 运动和跟踪 29
2．4．4 视觉问答 30
2．4．5 三维重建 31
2．5 计算机视觉的相关学科 32
第3章 计算机视觉在图像处理中的
应用 33
3．1 图像处理基础 33
3．1．1 图像表达式 33
3．1．2 MATLAB支持的图像
文件格式 35
3．1．3 图像的类型 35
3．2 图像抖动 38
3．3 图像去雾处理 39
3．3．1 空域图像增强 39
3．3．2 直方图均衡化 40
3．3．3 Retinex图像增强 42
3．3．4 平滑滤波 46
3．3．5 中值滤波器 48
3．3．6 自适应滤波 49
3．3．7 锐化滤波器 50
3．4 图像的镜像变换 68
3．5 图像的空间变换 70
3．5．1 仿射变换 70
3．5．2 投影变换 71
3．6 图像退化 72
3．7 图像复原 75
3．7．1 维纳滤波复原法 75
3．7．2 Lucy-Richardson复原法 77
3．8 图像识别 79
3．8．1 图像识别的大致流程 79
3．8．2 图像模糊识别的实现 80
第4章 计算机视觉在形态学中的应用 84
4．1 形态学去噪处理概述 84
4．1．1 形态学的权重实现
图像去噪 84
4．1．2 图像去噪的方法 84
4．2 形态学的原理 85
4．2．1 膨胀 86
4．2．2 腐蚀 87
4．2．3 开运算和闭运算 88
4．3 权值自适应的多结构形态学 89
4．4 形态学去噪的实现 90
4．5 结构元素 95
4．6 边缘检测 96
4．6．1 边缘检测算子概述 96
4．6．2 边缘检测的实现 97
4．7 多尺度形态学 98
第5章 计算机视觉在字符识别中的
应用 105
5．1 卷积神经网络 105
5．1．1 卷积神经网络的概念 105
5．1．2 卷积神经网络实现
图像分类 108
5．2 测手写数字的旋转角度 111
5．3 将分类网络转换为回归网络 117
5．4 卷积自编码 121
5．4．1 卷积自编码概述 121
5．4．2 卷积自编码实现
去噪处理 121
5．5 残差网络 127
5．5．1 残差网络概述 127
5．5．2 残差网络实现图像分类 129
5．6 LSTM网络实现字符嵌入
生成文本 136
5．7 LSTM网络逐单词生成文本 140
5．8 RNN网络 144
5．8．1 RNN概述 144
5．8．2 RNN实现文本分类 146
5．9 HOG特征与SVM分类器 152
5．9．1 HOG 152
5．9．2 SVM 155
5．9．3 HOG实现数据分类 158
5．10 OCR实现字符识别 163
5．10．1 OCR算法 163
5．10．2 OCR实现自然图像中
文本的识别 165
第6章 计算机视觉在拼接中的应用 172
6．1 全景拼接 172
6．1．1 理论部分 172
6．1．2 图像配准技术拼接
全景图 174
6．2 ICP拼接 178
6．2．1 ICP算法的原理与步骤 178
6．2．2 利用ICP算法实现图像
拼接 179
第7章 计算机视觉在目标匹配中的
应用 183
7．1 点特征匹配目标 183
7．1．1 点特征的概念 183
7．1．2 仿射变换 183
7．1．3 在一个杂乱的场景中实现
匹配目标检测 184
7．1．4 使用点特征匹配捕获
视频 190
7．2 未标定立体图像校正 197
7．2．1 外极线约束原理 197
7．2．2 平行光轴相机的极限
约束 198
7．2．3 立体匹配概述 198
7．2．4 立体匹配的具体步骤 199
7．2．5 立体匹配实现图像校正 200
7．3 高斯混合模型 205
7．3．1 高斯混合模型概述 205
7．3．2 高斯混合模型实现
车辆检测 210
第8章 计算机视觉在遥感中的应用 214
8．1 多光谱技术分割图像 214
8．2 K均值聚类算法 224
8．2．1 K均值聚类算法的原理 225
8．2．2 K均值聚类算法的要点 225
8．2．3 K均值聚类算法的缺点 226
8．2．4 K均值聚类算法实现
图像分割 226
8．3 纹理滤波和空间信息 228
8．3．1 纹理滤波概述 228
8．3．2 空间信息概述 230
8．3．3 纹理滤波和空间信息
实现图像分割 231
8．4 测量图像中的距离 234
第9章 计算机视觉在人脸识别中的
应用 240
9．1 KLT算法 240
9．1．1 光流的概念 240
9．1．2 KLT算法概述 241
9．1．3 KTL算法实现人脸追踪 241
9．1．4 在场景中追踪人脸 244
9．2 CAMShift算法 246
9．2．1 CAMShift算法概述 246
9．2．2 CAMShift算法实现人脸
检测与追踪 248
参考文献 251