MATLAB計算機視覺與深度學習實戰
1 基於直方圖優化的圖像去霧技術
1.1 案例背景
1.2 理論基礎
1.2.1 空域圖像增強
1.2.2 直方圖均衡化
1.3 程序實現
1.3.1 設計GUI界面
1.3.2 全局直方圖處理
1.3.3 局部直方圖處理
1.3.4 Retinex增強處理
1.4 延伸閱讀
1.5 參考文獻
2 基於形態學的權重自適應圖像去噪
2.1 案例背景
2.2 理論基礎
2.2.1 圖像去噪方法
2.2.2 數學形態學原理
2.2.3 權重自適應的多結構形態學去噪
2.3 程序實現
2.4 延伸閱讀
2.5 參考文獻
3 基於多尺度形態學提取眼前節組織
3.1 案例背景
3.2 理論基礎
3.3 程序實現
3.3.1 多尺度邊緣
3.3.2 主處理函數
3.3.3 形態學處理
3.4 延伸閱讀
3.5 參考文獻
4 基於Hough變化的答題卡識別
4.1 案例背景
4.2 理論基礎
4.2.1 圖像二值化
4.2.2 傾斜校正
4.2.3 圖像分割
4.3 程序實現
4.4 延伸閱讀
4.5 參考文獻
5 基於閾值分割的車牌定位識別
5.1 案例背景
5.2 理論基礎
5.2.1 車牌圖像處理
5.2.2 車牌定位原理
5.2.3 車牌字符處理
5.2.4 字符識別
5.3 程序實現
5.4 延伸閱讀
5.5 參考文獻
6 基於分水嶺分割進行肺癌診斷
6.1 案例背景
6.2 理論基礎
6.2.1 模擬浸水的過程
6.2.2 模擬降水的過程
6.2.3 過度分割問題
6.2.4 標記分水嶺分割算法
6.3 程序實現
6.4 延伸閱讀
6.5 參考文獻
7 基於主成分分析的人臉二維碼識別
7.1 案例背景
7.2 理論基礎
7.2.1 QR編碼簡介
7.2.2 QR編碼譯碼
7.2.3 主成分分析方法
7.3 程序實現
7.3.1 人臉建庫
7.3.2 人臉識別
7.3.3 人臉二維碼
7.4 延伸閱讀
7.5 參考文獻
8 基於知識庫的手寫體數字識別
8.1 案例背景
8.2 理論基礎
8.2.1 算法流程
8.2.2 特征提取
8.2.3 模式識別
8.3 程序實現
8.3.1 圖像處理
8.3.2 特征提取
8.3.3 模式識別
8.4 延伸閱讀
8.4.1 識別器選擇
8.4.2 提高識別率
8.5 參考文獻
9 基於特征匹配的英文印刷字符識別
9.1 案例背景
9.2 理論基礎
9.2.1 圖像預處理
9.2.2 圖像識別技術
9.3 程序實現
9.4 延伸閱讀
9.5 參考文獻
10 基於不變矩的數字驗證碼識別
10.1 案例背景
10.2 理論基礎
10.3 程序實現
10.3.1 設計GUI界面
10.3.2 載入驗證碼圖像
10.3.3 驗證碼圖像去噪
10.3.4 驗證碼數字定位
10.3.5 驗證碼歸一化
10.3.6 驗證碼數字識別
10.3.7 手動確認並入庫
10.3.8 重新生成模板庫
10.4 延伸閱讀
10.5 參考文獻
11 基於小波技術進行圖像融合
11.1 案例背景
11.2 理論基礎
11.3 程序實現
11.3.1 GUI設計
11.3.2 圖像載入
11.3.3 小波融合
11.4 延伸閱讀
11.5 參考文獻
12 基於塊匹配的全景圖像拼接
12.1 案例背景
12.2 理論基礎
12.2.1 圖像匹配
12.2.2 圖像融合
12.3 程序實現
12.3.1 設計GUI
12.3.2 載入圖片
12.3.3 圖像匹配
12.3.4 圖像拼接
12.4 延伸閱讀
12.5 參考文獻
13 基於霍夫曼圖像壓縮重建
13.1 案例背景
13.2 理論基礎
13.2.1 霍夫曼編碼的步驟
13.2.2 霍夫曼編碼的特點
13.3 程序實現
13.3.1 設計GUI
13.3.2 壓縮重構
13.3.3 效果對比
13.4 延伸閱讀
13.5 參考文獻
14 基於主成分分析的圖像壓縮和重建
14.1 案例背景
14.2 理論基礎
14.2.1 主成分降維分析原理
14.2.2 由得分矩陣重建樣本
14.2.3 主成分分析數據壓縮比
14.2.4 基於主成分分析的圖像壓縮
14.3 程序實現
14.3.1 主成分分析源代碼
14.3.2 圖像和樣本間轉換
14.3.3 基於主成分分析的圖像壓縮
14.4 延伸閱讀
14.5 參考文獻
15 基於小波的圖像壓縮技術
15.1 案例背景
15.2 理論基礎
15.3 程序實現
15.4 延伸閱讀
15.5 參考文獻
16 基於Hu不變矩的圖像檢索技術
16.1 案例背景
16.2 理論基礎
16.3 程序實現
16.3.1 圖像預處理
16.3.2 計算不變矩
16.3.3 圖像檢索
16.3.4 結果分析
16.4 延伸閱讀
16.5 參考文獻
17 基於Harris的角點特征檢測
17.1 案例背景
17.2 理論基礎
17.2.1 Harris基本原理
17.2.2 Harris算法流程
17.2.3 Harris角點性質
17.3 程序實現
17.3.1 Harris算法代碼
17.3.2 角點檢測實例
17.4 延伸閱讀
17.5 參考文獻
18 基於GUI搭建通用視頻處理工具
18.1 案例背景
18.2 理論基礎
18.3 程序實現
18.3.1 GUI設計
18.3.2 GUI實現
18.4 延伸閱讀
18.5 參考文獻
19 基於語音識別的信號燈圖像模擬控制技術
19.1 案例背景
19.2 理論基礎
19.3 程序實現
19.4 延伸閱讀
19.5 參考文獻
20 基於幀間差法進行視頻目標檢測
20.1 案例背景
20.2 理論基礎
20.2.1 幀間差分法
20.2.2 背景差分法
20.2.3 光流法
20.3 程序實現
20.4 延伸閱讀
20.5 參考文獻
21 路面裂縫檢測識別系統設計
21.1 案例背景
21.2 理論基礎
21.2.1 圖像灰度化
21.2.2 圖像濾波
21.2.3 圖像增強
21.2.4 圖像二值化
21.3 程序實現
21.4 延伸閱讀
21.5 參考文獻
22 基於 K-means 聚類算法的圖像區域分割
22.1 案例背景
22.2 理論基礎
22.2.1 K-means聚類算法原理
22.2.2 K-means聚類算法的要點
22.2.3 K-means聚類算法的缺點
22.2.4 基於K-means圖像分割
22.3 程序實現
22.3.1 樣本之間的巨鹿
22.3.2 提取特征向量
22.3.3 圖像聚類分割
22.4 延伸閱讀
22.5 參考文獻
23 基於光流場的交通汽車檢測跟蹤
23.1 案例背景
23.2 理論基礎
23.2.1 光流法檢測運動原理
23.2.2 光流的主要計算方法
23.2.3 梯度光流場約束方程
23.2.4 Horn-Schunck光流算法
23.3 程序實現
23.3.1 計算視覺系統工具箱簡介
23.3.2 基於光流場檢測汽車運動
23.3.3 搭建Simulink運動檢測模型
23.4 延伸閱讀
23.5 參考文獻
24 基於Simulink進行圖像和視頻處理
24.1 案例背景
24.2 模塊介紹
24.2.1 分析和增強模塊庫（Analysis&Enhancement）
24.2.2 轉化模塊庫（Conversions）
24.2.3 濾波3模塊庫（Filtering）
24.2.4 幾何變換模塊庫（Geometric Transformations）
24.2.5 形態學操作模塊庫（Morphological Operations）
24.2.6 輸入模塊庫（Sources）
24.2.7 輸出模塊庫（Sinks）
24.2.8 統計模塊庫（Statistics）
24.2.9 文本和圖形模塊庫（Text&Graphic）
24.2.10 變換模塊庫（Transforms）
24.2.11 其他工具模塊庫（Utilities）
24.3 仿真案例
24.3.1 搭建組織模型
24.3.2 仿真執行模型
24.3.3 代碼自動生成
24.4 延伸閱讀
24.5 參考文獻
25 基於小波變換的數字水印技術
25.1 案例背景
25.2 理論基礎
25.2.1 數字水印技術原理
25.2.2 典型的數字水印算法
25.2.3 數字水印攻擊和評價
25.2.4 基於小波的水印技術
25.3 程序實現
25.3.1 准備載體和水印圖像
25.3.2 小波數字水印的嵌入
25.3.3 小波數字水印的提取
25.3.4 小波水印的攻擊試驗
25.4 延伸閱讀
25.5 參考文獻
26 基於最小誤差法的胸片分割
26.1 案例背景
26.2 理論基礎
26.2.1 圖像增強
26.2.2 區域選擇
26.2.3 形態學濾波
26.2.4 最小誤差法胸片分割
26.3 程序實現
26.3.1 設計GUI界面
26.3.2 圖像預處理
26.3.3 最小誤差法分割
26.3.4 形態學后處理
26.4 延伸閱讀
26.5 參考文獻
27 基於區域生長的肝臟影像分割系統
27.1 案例背景
27.2 理論基礎
27.2.1 閾值分割
27.2.2 區域生長
27.2.3 基於閾值預分割的區域生長
27.3 程序實現
27.4 延伸閱讀
27.5 參考文獻
28 基於深度學習的汽車目標檢測
28.1 案例背景
28.2 理論基礎
28.2.1 基本架構
28.2.2 卷積層
28.2.3 池化層
28.3 程序實現
28.3.1 加載數據
28.3.2 構建CNN網絡
28.3.3 訓練CNN網絡
28.3.4 評估訓練效果
28.4 延伸閱讀
28.5 參考文獻
29 基於計算機視覺的自動駕駛應用
29.1 案例背景
29.2 理論基礎
29.2.1 環境感知
29.2.2 行為決策
29.2.3 路徑規划
29.2.4 運動控制
29.3 程序實現
29.3.1 傳感器數據載入
29.3.2 追蹤器創建
29.3.3 碰撞預警
29.4 延伸閱讀
29.5 參考文獻
30 基於深度學習的視覺場景識別
30.1 案例背景
30.2 理論基礎
30.2.1 發展歷程
30.2.2 算法思想
30.3 程序實現
30.3.1 環境配置
30.3.2 數據集制作
30.3.3 網絡訓練
30.3.4 網絡測試
30.4 延伸閱讀
30.5 參考文獻
思維導圖
防止博客圖床圖片失效，防止圖片源站外鏈：
http://www.processon.com/chart_image/5e5b424de4b03627650b21f0.png)
思維導圖在線編輯鏈接：