MATLAB计算机视觉经典应用

目录
第1章 MATLAB R2020a入门与提升\t1
1．1 MATLAB R2020a的功能特点\t1
1．2 MATLAB R2020a的新功能\t2
1．3 MATLAB R2020a运行界面\t5
1．4 MATLAB R2020a命令行窗口\t5
1．5 帮助系统\t7
1．6 数据类型\t9
1．6．1 常量与变量\t9
1．6．2 矩阵与数组\t10
1．7 结构化程序设计\t12
1．7．1 选择结构\t12
1．7．2 循环结构\t15
1．8 M文件\t15
1．9 矩阵的操作\t17
1．9．1 矩阵的扩展\t17
1．9．2 索引扩展\t20
1．9．3 改变形状\t20
第2章 计算机视觉概述\t24
2．1 计算机视觉是什么\t24
2．2 计算机视觉的发展\t25
2．3 计算机视觉的相关概念\t26
2．3．1 图像和视频\t26
2．3．2 摄像机\t27
2．3．3 CPU和GPU\t28
2．4 计算机视觉的应用\t28
2．4．1 物体的识别和检测\t29
2．4．2 语义分割\t29
2．4．3 运动和跟踪\t29
2．4．4 视觉问答\t30
2．4．5 三维重建\t31
2．5 计算机视觉的相关学科\t32
第3章 计算机视觉在图像处理中的
应用\t33
3．1 图像处理基础\t33
3．1．1 图像表达式\t33
3．1．2 MATLAB支持的图像
文件格式\t35
3．1．3 图像的类型\t35
3．2 图像抖动\t38
3．3 图像去雾处理\t39
3．3．1 空域图像增强\t39
3．3．2 直方图均衡化\t40
3．3．3 Retinex图像增强\t42
3．3．4 平滑滤波\t46
3．3．5 中值滤波器\t48
3．3．6 自适应滤波\t49
3．3．7 锐化滤波器\t50
3．4 图像的镜像变换\t68
3．5 图像的空间变换\t70
3．5．1 仿射变换\t70
3．5．2 投影变换\t71
3．6 图像退化\t72
3．7 图像复原\t75
3．7．1 维纳滤波复原法\t75
3．7．2 Lucy-Richardson复原法\t77
3．8 图像识别\t79
3．8．1 图像识别的大致流程\t79
3．8．2 图像模糊识别的实现\t80
第4章 计算机视觉在形态学中的应用\t84
4．1 形态学去噪处理概述\t84
4．1．1 形态学的权重实现
图像去噪\t84
4．1．2 图像去噪的方法\t84
4．2 形态学的原理\t85
4．2．1 膨胀\t86
4．2．2 腐蚀\t87
4．2．3 开运算和闭运算\t88
4．3 权值自适应的多结构形态学\t89
4．4 形态学去噪的实现\t90
4．5 结构元素\t95
4．6 边缘检测\t96
4．6．1 边缘检测算子概述\t96
4．6．2 边缘检测的实现\t97
4．7 多尺度形态学\t98
第5章 计算机视觉在字符识别中的
应用\t105
5．1 卷积神经网络\t105
5．1．1 卷积神经网络的概念\t105
5．1．2 卷积神经网络实现
图像分类\t108
5．2 测手写数字的旋转角度\t111
5．3 将分类网络转换为回归网络\t117
5．4 卷积自编码\t121
5．4．1 卷积自编码概述\t121
5．4．2 卷积自编码实现
去噪处理\t121
5．5 残差网络\t127
5．5．1 残差网络概述\t127
5．5．2 残差网络实现图像分类\t129
5．6 LSTM网络实现字符嵌入
生成文本\t136
5．7 LSTM网络逐单词生成文本\t140
5．8 RNN网络\t144
5．8．1 RNN概述\t144
5．8．2 RNN实现文本分类\t146
5．9 HOG特征与SVM分类器\t152
5．9．1 HOG\t152
5．9．2 SVM\t155
5．9．3 HOG实现数据分类\t158
5．10 OCR实现字符识别\t163
5．10．1 OCR算法\t163
5．10．2 OCR实现自然图像中
文本的识别\t165
第6章 计算机视觉在拼接中的应用\t172
6．1 全景拼接\t172
6．1．1 理论部分\t172
6．1．2 图像配准技术拼接
全景图\t174
6．2 ICP拼接\t178
6．2．1 ICP算法的原理与步骤\t178
6．2．2 利用ICP算法实现图像
拼接\t179
第7章 计算机视觉在目标匹配中的
应用\t183
7．1 点特征匹配目标\t183
7．1．1 点特征的概念\t183
7．1．2 仿射变换\t183
7．1．3 在一个杂乱的场景中实现
匹配目标检测\t184
7．1．4 使用点特征匹配捕获
视频\t190
7．2 未标定立体图像校正\t197
7．2．1 外极线约束原理\t197
7．2．2 平行光轴相机的极限
约束\t198
7．2．3 立体匹配概述\t198
7．2．4 立体匹配的具体步骤\t199
7．2．5 立体匹配实现图像校正\t200
7．3 高斯混合模型\t205
7．3．1 高斯混合模型概述\t205
7．3．2 高斯混合模型实现
车辆检测\t210
第8章 计算机视觉在遥感中的应用\t214
8．1 多光谱技术分割图像\t214
8．2 K均值聚类算法\t224
8．2．1 K均值聚类算法的原理\t225
8．2．2 K均值聚类算法的要点\t225
8．2．3 K均值聚类算法的缺点\t226
8．2．4 K均值聚类算法实现
图像分割\t226
8．3 纹理滤波和空间信息\t228
8．3．1 纹理滤波概述\t228
8．3．2 空间信息概述\t230
8．3．3 纹理滤波和空间信息
实现图像分割\t231
8．4 测量图像中的距离\t234
第9章 计算机视觉在人脸识别中的
应用\t240
9．1 KLT算法\t240
9．1．1 光流的概念\t240
9．1．2 KLT算法概述\t241
9．1．3 KTL算法实现人脸追踪\t241
9．1．4 在场景中追踪人脸\t244
9．2 CAMShift算法\t246
9．2．1 CAMShift算法概述\t246
9．2．2 CAMShift算法实现人脸
检测与追踪\t248
参考文献\t251