熱門關(guān)鍵字:  聽力密碼  聽力密碼  新概念美語  單詞密碼  巧用聽寫練聽力

統(tǒng)計(jì)學(xué)習(xí)與機(jī)器視覺基礎(chǔ)與綜合

中國水利水電出版社
    【作 者】鄶新凱 鄭睿 侯保衛(wèi) 楊國勝 【I S B N 】978-7-5170-4591-5 【責(zé)任編輯】周益丹 【適用讀者群】本專通用 【出版時(shí)間】2016-08-10 【開 本】16開 【裝幀信息】平裝(光膜) 【版 次】第1版第1次印刷 【頁 數(shù)】136 【千字?jǐn)?shù)】192 【印 張】8.5 【定 價(jià)】34 【叢 書】 【備注信息】
圖書詳情

    統(tǒng)計(jì)學(xué)習(xí)是機(jī)器學(xué)習(xí)發(fā)展到一定階段的產(chǎn)物,屬于方法論的范疇。機(jī)器視覺的主要任務(wù)就是通過對(duì)采集的圖片或視頻進(jìn)行處理、分析和識(shí)別,以獲得相應(yīng)場景的三維信息,有著廣泛的應(yīng)用領(lǐng)域。而當(dāng)前,統(tǒng)計(jì)學(xué)習(xí)是研究機(jī)器視覺領(lǐng)域問題的有效方法之一。

    本書的主要研究內(nèi)容是統(tǒng)計(jì)學(xué)習(xí)在機(jī)器視覺中的應(yīng)用,包括基于統(tǒng)計(jì)學(xué)習(xí)的圖像分割、基于統(tǒng)計(jì)學(xué)習(xí)的圖像特征提取、基于統(tǒng)計(jì)學(xué)習(xí)的特征匹配和圖像分類,以及兩個(gè)具體的基于統(tǒng)計(jì)學(xué)習(xí)的機(jī)器視覺應(yīng)用。

    本書可以作為大學(xué)生和研究生統(tǒng)計(jì)學(xué)習(xí)和機(jī)器視覺及相關(guān)課程的教學(xué)參考書,也可作為工程技術(shù)人員的參考書。

    由于計(jì)算機(jī)技術(shù)和數(shù)字成像技術(shù)的進(jìn)步,機(jī)器視覺技術(shù)如今蓬勃發(fā)展,廣泛應(yīng)用于國民經(jīng)濟(jì)的各個(gè)領(lǐng)域。與此同時(shí),人工智能技術(shù)也取得了極大的進(jìn)步,盡管從人類能夠使用計(jì)算機(jī)編寫程序時(shí)就開始考慮如何讓計(jì)算機(jī)模擬人腦的智力行為,如著名的圖靈機(jī)測試就是一個(gè)用于驗(yàn)證計(jì)算機(jī)是否達(dá)到人的智力水平的典型思維實(shí)驗(yàn),但人工智能真正得到快速發(fā)展還是在統(tǒng)計(jì)學(xué)習(xí)理論為其奠定了堅(jiān)實(shí)基礎(chǔ)之后,機(jī)器視覺系統(tǒng)應(yīng)對(duì)復(fù)雜問題的能力也隨之得到了提升。本書對(duì)統(tǒng)計(jì)學(xué)習(xí)與機(jī)器視覺從基礎(chǔ)到綜合應(yīng)用進(jìn)行了全方位的分析,以使讀者能較快掌握這一領(lǐng)域的專業(yè)知識(shí)并應(yīng)用到自己的實(shí)際工作中去。

    全書共六章,分別如下:

    第一章 緒論。主要介紹統(tǒng)計(jì)學(xué)習(xí)和機(jī)器視覺的基本概念、發(fā)展歷程。

    第二章 機(jī)器視覺。對(duì)于機(jī)器視覺的系統(tǒng)組成,從基礎(chǔ)的圖像知識(shí)到相機(jī)標(biāo)定、立體視覺等內(nèi)容都做了概括性介紹,為后面幾章內(nèi)容的理解建立基礎(chǔ)。

    第三章 統(tǒng)計(jì)學(xué)習(xí)與圖像分割。由于圖像分割在機(jī)器視覺中是一個(gè)非常基礎(chǔ)的問題,而且良好的分割結(jié)果必然是基于統(tǒng)計(jì)方法的,因此對(duì)這一主題單獨(dú)做了分析。

    第四章 圖像特征提取。特征提取也是一個(gè)重要的基礎(chǔ)問題,一些特征從原理上就具備統(tǒng)計(jì)性質(zhì),而另外一些特征具備局部統(tǒng)計(jì)特性,在本章中分別做了介紹。

    第五章 案例:人臉識(shí)別。目前人臉識(shí)別技術(shù)已經(jīng)日趨成熟,因此非常適合作為基本的教學(xué)案例以說明統(tǒng)計(jì)學(xué)習(xí)方法是如何在機(jī)器視覺具體問題中應(yīng)用的。

    第六章 案例:視頻監(jiān)控系統(tǒng)。本案例是從機(jī)器視覺系統(tǒng)角度出發(fā)的,集成了多種視覺技術(shù),如檢測、跟蹤等,通過這個(gè)例子讀者可以加深對(duì)前面章節(jié)中所學(xué)知識(shí)的理解。

    本書在編寫過程中得到了北京市教育委員會(huì)共建項(xiàng)目“北京市公共安全信息監(jiān)測平臺(tái)關(guān)鍵技術(shù)研究”的資助,引用了許多研究人員和作者的論述、觀點(diǎn)、方法、研究結(jié)果和一些圖片,在此一并致以衷心的感謝。

    由于作者水平所限,書中難免會(huì)有疏漏和不當(dāng)之處,歡迎專家和讀者給予批評(píng)指正。

    編 者

    2016年3月

    第一章 緒論 1
    1.1 統(tǒng)計(jì)學(xué)習(xí) 1
    1.1.1 統(tǒng)計(jì)學(xué)習(xí)的定義 1
    1.1.2 統(tǒng)計(jì)機(jī)器學(xué)習(xí)概述 2
    1.1.3 統(tǒng)計(jì)機(jī)器學(xué)習(xí)的常用學(xué)習(xí)算法 5
    1.2 機(jī)器視覺 8
    1.2.1 相關(guān)概念 8
    1.2.2 機(jī)器視覺概述 9
    1.3 統(tǒng)計(jì)機(jī)器學(xué)習(xí)與機(jī)器視覺 12
    1.3.1 兩者的關(guān)系 12
    1.3.2 兩者的數(shù)學(xué)基礎(chǔ) 13
    參考文獻(xiàn) 13
    第二章 機(jī)器視覺 14
    2.1 引言 14
    2.2 圖像預(yù)處理 16
    2.2.1 圖像幾何變換 16
    2.2.2 灰度變換 19
    2.2.3 圖像濾波 20
    2.3 相機(jī)標(biāo)定 23
    2.3.1 畸變校正 23
    2.3.2 線性模型 24
    2.3.3 標(biāo)定方法 26
    2.4 立體視覺 29
    2.4.1 基元檢測 29
    2.4.2 極線約束 31
    2.4.3 三維重建 32
    參考文獻(xiàn) 37
    第三章 統(tǒng)計(jì)學(xué)習(xí)與圖像分割 38
    3.1 引言 38
    3.2 經(jīng)典圖像分割方法 39
    3.2.1 基于邊緣的方法 39
    3.2.2 基于閾值的方法 41
    3.2.3 基于區(qū)域的方法 42
    3.3 基于聚類的方法 42
    3.3.1 基本算法 43
    3.3.2 分割步驟 44
    3.4 基于馬爾可夫場的方法 44
    3.4.1 圖像的馬爾可夫隨機(jī)場描述 44
    3.4.2 參數(shù)估計(jì) 45
    3.5 基于熵信息的閾值分割法 46
    3.5.1 閾值分割中的熵信息 46
    3.5.2 基于最大熵的閾值分割方法 47
    3.5.3 基于Pal熵的閾值分割方法 50
    3.5.4 基于Renyi熵的閾值分割方法 51
    3.5.5 基于Tsallis熵的閾值分割方法 54
    3.5.6 基于交叉熵的閾值分割方法 57
    3.6 實(shí)驗(yàn)分析 58
    3.6.1 基于熵信息的閾值分割方法的分析
    與比較 58
    3.6.2 基于熵信息的閾值分割方法與其他
    閾值方法的分析和比較 62
    3.7 小結(jié) 64
    參考文獻(xiàn) 65
    第四章 圖像特征提取 67
    4.1 引言 67
    4.2 基于顏色的特征 68
    4.2.1 直方圖相交法 69
    4.2.2 顏色集 70
    4.2.3 顏色矩 71
    4.3 基于紋理的特征 71
    4.3.1 灰度共生矩陣 72
    4.3.2 幾何法 73
    4.3.3 模型法 74
    4.3.4 信號(hào)處理法 74
    4.4 基于形狀的特征 77
    4.4.1 傅里葉形狀描述法 77
    4.4.2 形狀參數(shù)法 78
    4.4.3 不變矩法 79
    4.5 應(yīng)用于行人檢測的HOG特征 80
    4.5.1 行人檢測算法研究現(xiàn)狀 80
    4.5.2 HOG行人檢測流程 80
    4.6 SIFT特征及改進(jìn)算法 82
    4.6.1 SIFT經(jīng)典方法 82
    4.6.2 PCA-SIFT特征提取 87
    4.6.3 仿射不變特征(ASIFT) 88
    4.6.4 快速魯棒特征(SURF) 91
    參考文獻(xiàn) 94
    第五章 案例:人臉識(shí)別 97
    5.1 引言 97
    5.2 人臉檢測 97
    5.2.1 研究現(xiàn)狀 97
    5.2.2 Viola-Jones人臉檢測器 97
    5.2.3 基于ASM的人臉對(duì)齊 100
    5.3 人臉識(shí)別 102
    5.4 人臉快速檢索 103
    5.5 基于深度學(xué)習(xí)的識(shí)別 104
    參考文獻(xiàn) 110
    第六章 案例:視頻監(jiān)控系統(tǒng) 112
    6.1 引言 112
    6.2 基于HOG+DPM的行人檢測 112
    6.2.1 DPM行人檢測算法 112
    6.2.2 DPM結(jié)合混合高斯模型的
    行人檢測 114
    6.3 基于顏色與身高的行人識(shí)別 117
    6.3.1 顏色特征提取 117
    6.3.2 身高特征提取 118
    6.3.3 識(shí)別綜合算法 121
    6.4 行人跟蹤 122
    6.4.1 CT跟蹤算法 123
    6.4.2 TLD跟蹤算法 123
    6.4.3 協(xié)同跟蹤 126
    參考文獻(xiàn) 128





最新評(píng)論共有 0 位網(wǎng)友發(fā)表了評(píng)論
發(fā)表評(píng)論
評(píng)論內(nèi)容:不能超過250字,需審核,請(qǐng)自覺遵守互聯(lián)網(wǎng)相關(guān)政策法規(guī)。
用戶名: 密碼:
匿名?
注冊(cè)
龙海市| 新巴尔虎左旗| 灵台县| 璧山县| 洛隆县| 嵩明县| 德江县| 青阳县| 岫岩| 巩义市| 登封市| 康乐县| 那坡县| 淮南市| 若羌县| 宁国市| 平南县| 洮南市| 城固县| 贵南县| 河源市| 加查县| 图们市| 巫山县| 武安市| 青冈县| 北碚区| 嘉鱼县| 淳化县| 称多县| 临城县| 铜陵市| 宁明县| 峨边| 略阳县| 崇左市| 武冈市| 盐亭县| 邵东县| 湖北省| 凌云县|