掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
圖像處理與分割技術研究 版權信息
- ISBN：9787516661239
- 條形碼：9787516661239 ; 978-7-5166-6123-9
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
圖像處理與分割技術研究 內容簡介
本文針對基于概率密度有限混合模型分割過程中存在的若干關鍵問題，進行定性研究與定量分析，且理論結合實際，介紹了多種新型魯棒的自然圖像分割方法，并*終將相關圖像分割結果輔助或指導場景分類、目標檢測等高層圖像分析任務。
本書一共包含15個章節，主要包括圖像分割的背景、目的、意義，以及國內外現狀；圖割模型優化的基礎理論；圖像的配準方法；圖像的融合方法；基于全□分流的邊界(TVFE)提取技術；改進有限混合模型的圖像分割方法；圖像的去色方法；結合狄利克雷分布與均值模板的圖像分割方法；結合測地線活動輪廓與模糊C均值的圖像分割方法；基于非□部均值模板的圖像分割方法；基于空間約束概率模型優化的圖像分割方法；基于多□量學生-t分布的多類圖像分割方法；深度學習的基本原理；圖像的場景分類方法；圖像的目標檢測方法。
圖像處理與分割技術研究 目錄
第1章 緒論
1.1 研究的目的、背景及意義
1.2 圖像分割方法的研究狀況
1.3 基于圖論的圖像分割方法
1.4 基于有限混合模型的分割方法
第2章 圖割模型優化的基礎理論
2.1 □□流／□□割理論
2.2 圖像的概率密度能量函數建模
2.3 圖割理論優化目標能量函數
2.4 本章小結
第3章 圖像的配準方法
3.1 點特征的圖像配準
3.2 SIFT特征點的選擇與配對
3.3 結合邊緣輪廓特征的圖像配準方法
3.4 利用輪廓曲線的圖像配準方法
3.5 基于遺傳算法的圖像配準方法
第4章 圖像的融合方法
4.1 引言
4.2 非子采樣□換過程
4.3 基于Contourlet□換的圖像融合
4.4 改進區域方差的圖像融合算法
4.5 結合邊緣信息與區域方差的圖像融合算法
第5章 基于全□分流的邊界(TVFE)提取技術
5.1 基于全□分流的邊界(TVFE)提取
5.2 TVFE的快速數值化計算
5.3 實驗驗證
5.4 本章小結
第6章 改進有限混合模型的圖像分割方法
6.1 有限混合模型
6.2 結合馬爾科夫隨機場的有限混合模型
6.3 像素類別的先驗標簽信息計算
6.4 本章小結
第7章 圖像的去色方法
7.1 引言
7.2 建立模型與求解
7.3 實驗對比與評估分析
7.4 本章小結
第8章 結合狄利克雷分布與均值模板的圖像分割方法
8.1 引言
8.2 狄利克雷分布模型建立
8.3 狄利克雷分布的參數計算
8.4 實驗對比與評估分析
8.5 本章小結
第9章 結合測地線活動輪廓與模糊c均值的圖像分割方法
9.1 引言
9.2 帶CAC的模糊C均值模型
9.3 模糊C均值參數學習
9.4 實驗對比與分析
9.5 本章小結
第10章 基于非□部均值模板的圖像分割方法
10.1 引言
10.2 空間約束的學生-t模型
10.3 空間約束的學生-t分布參數計算
10.4 實驗對比與分析
10.5 基于MRI醫學圖像的對比實驗
10.6 本章小結
第11章 基于空間約束概率模型優化的圖像分割方法
11.1 空間約束混合模型
11.2 多□量混合學生-t分布與TVFE相結合的空間約束模型
11.3 實驗對比與分析
11.4 本章小結
第12章 基于多□量學生-t分布的多類圖像分割方法
12.1 基于多□量學生-t分布的□分模型圖像分割方法
12.2 基于多□量學生-t分布的彩色紋理圖像分割方法
12.3 本章小結
第13章 深度學習的基本原理
13.1 深度學習概述
13.2 深度卷積神經網絡結構
13.3 神經網絡優化算法
13.4 典型神經網絡模型
13.5 強化學習
13.6 遷移學習
第14章 圖像的場景分類方法
14.1 基于條件隨機場的圖像場景分類方法
14.2 利用全□優化策略的圖像場景分類
14.3 利用卷積流形網絡的圖像場景分類方法
14.4 改進超圖學習的圖像場景分類方法
第15章 圖像的目標檢測方法
15.1 圖像分層顯著性目標提取方法
15.2 圖像的人造目標檢測方法
15.3 圖像單類信息提取方法
15.4 特定類別的圖像分類方法
1.1 研究的目的、背景及意義
1.2 圖像分割方法的研究狀況
1.3 基于圖論的圖像分割方法
1.4 基于有限混合模型的分割方法
第2章 圖割模型優化的基礎理論
2.1 □□流／□□割理論
2.2 圖像的概率密度能量函數建模
2.3 圖割理論優化目標能量函數
2.4 本章小結
第3章 圖像的配準方法
3.1 點特征的圖像配準
3.2 SIFT特征點的選擇與配對
3.3 結合邊緣輪廓特征的圖像配準方法
3.4 利用輪廓曲線的圖像配準方法
3.5 基于遺傳算法的圖像配準方法
第4章 圖像的融合方法
4.1 引言
4.2 非子采樣□換過程
4.3 基于Contourlet□換的圖像融合
4.4 改進區域方差的圖像融合算法
4.5 結合邊緣信息與區域方差的圖像融合算法
第5章 基于全□分流的邊界(TVFE)提取技術
5.1 基于全□分流的邊界(TVFE)提取
5.2 TVFE的快速數值化計算
5.3 實驗驗證
5.4 本章小結
第6章 改進有限混合模型的圖像分割方法
6.1 有限混合模型
6.2 結合馬爾科夫隨機場的有限混合模型
6.3 像素類別的先驗標簽信息計算
6.4 本章小結
第7章 圖像的去色方法
7.1 引言
7.2 建立模型與求解
7.3 實驗對比與評估分析
7.4 本章小結
第8章 結合狄利克雷分布與均值模板的圖像分割方法
8.1 引言
8.2 狄利克雷分布模型建立
8.3 狄利克雷分布的參數計算
8.4 實驗對比與評估分析
8.5 本章小結
第9章 結合測地線活動輪廓與模糊c均值的圖像分割方法
9.1 引言
9.2 帶CAC的模糊C均值模型
9.3 模糊C均值參數學習
9.4 實驗對比與分析
9.5 本章小結
第10章 基于非□部均值模板的圖像分割方法
10.1 引言
10.2 空間約束的學生-t模型
10.3 空間約束的學生-t分布參數計算
10.4 實驗對比與分析
10.5 基于MRI醫學圖像的對比實驗
10.6 本章小結
第11章 基于空間約束概率模型優化的圖像分割方法
11.1 空間約束混合模型
11.2 多□量混合學生-t分布與TVFE相結合的空間約束模型
11.3 實驗對比與分析
11.4 本章小結
第12章 基于多□量學生-t分布的多類圖像分割方法
12.1 基于多□量學生-t分布的□分模型圖像分割方法
12.2 基于多□量學生-t分布的彩色紋理圖像分割方法
12.3 本章小結
第13章 深度學習的基本原理
13.1 深度學習概述
13.2 深度卷積神經網絡結構
13.3 神經網絡優化算法
13.4 典型神經網絡模型
13.5 強化學習
13.6 遷移學習
第14章 圖像的場景分類方法
14.1 基于條件隨機場的圖像場景分類方法
14.2 利用全□優化策略的圖像場景分類
14.3 利用卷積流形網絡的圖像場景分類方法
14.4 改進超圖學習的圖像場景分類方法
第15章 圖像的目標檢測方法
15.1 圖像分層顯著性目標提取方法
15.2 圖像的人造目標檢測方法
15.3 圖像單類信息提取方法
15.4 特定類別的圖像分類方法
展開全部
圖像處理與分割技術研究 作者簡介
楊勇,□，工學博士，主要研究方向為模式識別、機器學習、圖像分割，主要研究特征提取、能量模型優化等方面。在圖像處理與模式識別領域發表SCI／EI期刊8篇，曾作為主要負責人主持□□□、省部級、地廳級項目7項，并獲得軟件著作權10項，授權實用新型專利8項，發明專利2項。
書友推薦
- >
回憶愛瑪儂
- >
姑媽的寶刀
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
隨園食單
- >
月亮與六便士
- >
上帝之肋:男人的真實旅程
- >
我從未如此眷戀人間
- >
羅庸西南聯大授課錄
本類暢銷
