MATLAB计算机视觉与深度学习实战定价: 79.00元9787121315503
MATLAB与机器学习定价: 79.00元9787111589846
人脸识别原理与实战定价：79.00元9787121335730
书名: MATLAB计算机视觉与深度学习实战
定价: 79.00元
出版社名称: 电子工业出版社
出版日期：2017年6月
作者: 刘衍琦
ISBN编号: 9787121315503
《MATLAB计算机视觉与深度学习实战》详细讲解了30个MATLAB计算机视觉与深度学习案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别等多项重要技术，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及其应用方面。
工欲善其事，必先利其器，《MATLAB计算机视觉与深度学习实战》对每个数字图像处理的知识点都提供了丰富生动的案例素材，并详细讲解了其MATLAB实验的核心程序，通过对这些示例程序的阅读理解和仿真运行，读者可以更加深刻地理解图像处理的内容，并且更加熟练地掌握MATLAB中各种函数在图像处理领域中的用法。
《MATLAB计算机视觉与深度学习实战》以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。
第1章 基于直方图优化的图像去雾技术 1
1.1 案例背景1
1.2 理论基础1
1.2.1 空域图像增强 1
1.2.2 直方图均衡化 2
1.3 程序实现3
1.3.1 设计GUI界面 4
1.3.2 全局直方图处理 4
1.3.3 局部直方图处理 7
1.3.4 Retinex增强处理 9
1.4 延伸阅读 13
1.5 参考文献 13
第2章 基于 形态学的权重自适应图像去噪 14
2.1 案例背景 14
2.2 理论基础 15
2.2.1 图像去噪方法15
2.2.2 数学形态学原理16
2.2.3 权重自适应的多结构形态学去噪16
2.3 程序实现 17
2.4 延伸阅读 22
2.5 参考文献 23
第3章 基于多尺度形态学提取眼前节组织 24
3.1 案例背景 24
3.2 理论基础 25
3.3 程序实现 28
3.3.1 多尺度边缘28
3.3.2 主处理函数29
3.3.3 形态学处理31
3.4 延伸阅读 33
3.5 参考文献 33
第4章 基于Hough变化的答题卡识别 34
4.1 案例背景 34
4.2 理论基础 34
4.2.1 图像二值化35
4.2.2 倾斜校正35
4.2.3 图像分割38
4.3 程序实现 40
4.4 延伸阅读 51
4.5 参考文献 51
第5章 基于阈值分割的车牌定位识别 52
5.1 案例背景 52
5.2 理论基础 52
5.2.1 车牌图像处理53
5.2.2 车牌定位原理57
5.2.3 车牌字符处理57
5.2.4 字符识别59
5.3 程序实现 61
5.4 延伸阅读 69
5.5 参考文献 69
第6章 基于分水岭分割进行肺癌诊断 70
6.1 案例背景 70
6.2 理论基础 70
6.2.1 模拟浸水的过程71
6.2.2 模拟降水的过程71
6.2.3 过度分割问题71
6.2.4 标记分水岭分割算法71
6.3 程序实现 72
6.4 延伸阅读 77
6.5 参考文献 78
第7章 基于主成分分析的人脸二维码识别 79
7.1 案例背景 79
7.2 理论基础 79
7.2.1 QR编码简介 80
7.2.2 QR编码译码 82
7.2.3 主成分分析方法84
7.3 程序实现 86
7.3.1 人脸建库86
7.3.2 人脸识别87
7.3.3 人脸二维码88
7.4 延伸阅读 93
7.5 参考文献 93
第8章 基于知识库的手写体数字识别 94
8.1 案例背景 94
8.2 理论基础 94
8.2.1 算法流程94
8.2.2 特征提取95
8.2.3 模式识别96
8.3 程序实现 97
8.3.1 图像处理97
8.3.2 特征提取98
8.3.3 模式识别 101
8.4 延伸阅读102
8.4.1 识别器选择 102
8.4.2 提高识别率 102
8.5 参考文献102
第9章 基于特征匹配的英文印刷字符识别 103
9.1 案例背景103
9.2 理论基础104
9.2.1 图像预处理 104
9.2.2 图像识别技术 105
9.3 程序实现106
9.4 延伸阅读112
9.5 参考文献112
第10章 基于不变矩的数字验证码识别 113
10.1案例背景 113
10.2理论基础 114
10.3程序实现 114
10.3.1 设计GUI界面·114
10.3.2 载入验证码图像115
10.3.3 验证码图像去噪117
10.3.4 验证码数字定位118
10.3.5 验证码归一化121
10.3.6 验证码数字识别122
10.3.7 手动确认并入库125
10.3.8 重新生成模板库127
10.4延伸阅读 129
10.5参考文献 130
第11章 基于小波技术进行图像融合 131
11.1案例背景 131
11.2理论基础 132
11.3程序实现 134
11.3.1 GUI设计134
11.3.2 图像载入135
11.3.3 小波融合136
11.4延伸阅读 139
11.5参考文献 139
第12章 基于块匹配的全景图像拼接 140
12.1案例背景 140
12.2理论基础 140
12.2.1 图像匹配141
12.2.2 图像融合143
12.3程序实现 144
12.3.1 设计GUI 144
12.3.2 载入图片145
12.3.3 图像匹配147
12.3.4 图像拼接150
12.4延伸阅读 156
12.5参考文献 156
第13章 基于霍夫曼图像压缩重建 157
13.1案例背景 157
13.2理论基础 157
13.2.1 霍夫曼编码的步骤158
13.2.2 霍夫曼编码的特点158
13.3程序实现 160
13.3.1 设计GUI 160
13.3.2 压缩重构161
13.3.3 效果对比166
13.4延伸阅读 168
13.5参考文献 169
第14章 基于主成分分析的图像压缩和重建 170
14.1案例背景 170
14.2理论基础 170
14.2.1 主成分降维分析原理170
14.2.2 由得分矩阵重建样本171
14.2.3 主成分分析数据压缩比172
14.2.4 基于主成分分析的图像压缩172
14.3程序实现 173
14.3.1 主成分分析源代码173
14.3.2 图像和样本间转换174
14.3.3 基于主成分分析的图像压缩175
14.4延伸阅读 178
14.5参考文献 179
第15章 基于小波的图像压缩技术 180
15.1案例背景 180
15.2理论基础 181
15.3程序实现 183
15.4延伸阅读 191
15.5参考文献 191
第16章 基于Hu不变矩的图像检索技术 192
16.1案例背景 192
16.2理论基础 192
16.3程序实现 194
16.3.1 图像预处理194
16.3.2 计算不变矩194
16.3.3 图像检索196
16.3.4 结果分析198
16.4延伸阅读 201
16.5参考文献 202
第17章 基于Harris的角点特征检测 203
17.1案例背景 203
17.2理论基础 204
17.2.1 Harris基本原理 204
17.2.2 Harris算法流程 206
17.2.3 Harris角点性质 206
17.3程序实现 208
17.3.1 Harris算法代码 208
17.3.2 角点检测实例209
17.4延伸阅读 210
17.5参考文献 211
第18章 基于GUI搭建通用视频处理工具 212
18.1案例背景 212
18.2理论基础 212
18.3程序实现 214
18.3.1 GUI设计214
18.3.2 GUI实现215
18.4延伸阅读 226
18.5参考文献 226
第19章 基于语音识别的信号灯图像模拟控制技术 227
19.1案例背景 227
19.2理论基础 227
19.3程序实现 229
19.4延伸阅读 239
19.5参考文献 240
第20章 基于帧间差法进行视频目标检测 241
20.1案例背景 241
20.2理论基础 241
20.2.1 帧间差分法242
20.2.2 背景差分法243
20.2.3 光流法243
20.3程序实现 244
20.4延伸阅读 253
20.5参考文献 253
第21章 路面裂缝检测识别系统设计 254
21.1案例背景 254
21.2理论基础 254
21.2.1 图像灰度化255
21.2.2 图像滤波257
21.2.3 图像增强259
21.2.4 图像二值化260
21.3程序实现 262
21.4延伸阅读 274
21.5参考文献 274
第22章 基于K-means聚类算法的图像区域分割 275
22.1案例背景 275
22.2理论基础 275
22.2.1 K-means聚类算法原理 275
22.2.2 K-means聚类算法的要点 276
22.2.3 K-means聚类算法的缺点 277
22.2.4 基于K-means图像分割278
22.3程序实现 278
22.3.1 样本之间的巨鹿278
22.3.2 提取特征向量279
22.3.3 图像聚类分割280
22.4延伸阅读 282
22.5参考文献 283
第23章 基于光流场的交通汽车检测跟踪 284
23.1案例背景 284
23.2理论基础 284
23.2.1 光流法检测运动原理284
23.2.2 光流的主要计算方法285
23.2.3 梯度光流场约束方程 287
23.2.4 Horn-Schunck光流算法288
23.3程序实现 290
23.3.1 计算视觉系统工具箱简介290
23.3.2 基于光流场检测汽车运动291
23.3.3 搭建Simulink运动检测模型295
23.4延伸阅读 297
23.5参考文献 298
第24章 基于Simulink进行图像和视频处理 299
24.1案例背景 299
24.2模块介绍 299
24.2.1 分析和增强模块库（Analysis & Enhancement）·300
24.2.2 转化模块库（Conversions）301
24.2.3 滤波3模块库（Filtering） 301
24.2.4 几何变换模块库（Geometric Transformations）302
24.2.5 形态学操作模块库（Morphological Operations）302
24.2.6 输入模块库（Sources）303
24.2.7 输出模块库（Sinks）·303
24.2.8 统计模块库（Statistics）304
24.2.9 文本和图形模块库（Text & Graphic）·304
24.2.10 变换模块库（Transforms）305
24.2.11 其他工具模块库（Utilities） 305
24.3仿真案例 306
24.3.1 搭建组织模型306
24.3.2 仿真执行模型308
24.3.3 代码自动生成309
24.4延伸阅读 314
24.5参考文献 316
第25章 基于小波变换的数字水印技术 317
25.1案例背景 317
25.2理论基础 317
25.2.1 数字水印技术原理318
25.2.2 典型的数字水印算法320
25.2.3 数字水印攻击和评价322
25.2.4 基于小波的水印技术323
25.3程序实现 326
25.3.1 准备载体和水印图像326
25.3.2 小波数字水印的嵌入327
25.3.3 小波数字水印的提取331
25.3.4 小波水印的攻击试验333
25.4延伸阅读 337
25.5参考文献 337
第26章 基于小误差法的胸片分割 339
26.1案例背景 339
26.2理论基础 339
26.2.1 图像增强340
26.2.2 区域选择340
26.2.3 形态学滤波341
26.2.4 小误差法胸片分割342
26.3程序实现 343
26.3.1 设计GUI界面·343
26.3.2 图像预处理344
26.3.3 小误差法分割348
26.3.4 形态学后处理350
26.4延伸阅读 353
26.5参考文献 353
第27章 基于区域生长的肝脏影像分割系统 354
27.1案例背景 354
27.2理论基础 355
27.2.1 阈值分割355
27.2.2 区域生长355
27.2.3 基于阈值预分割的区域生长356
27.3程序实现 357
27.4延伸阅读 361
27.5参考文献 361
第28章 基于深度学习的汽车目标检测 362
28.1案例背景 362
28.2理论基础 363
28.2.1 基本架构363
28.2.2 卷积层363
28.2.3 池化层365
28.3程序实现 365
28.3.1 加载数据365
28.3.2 构建CNN网络367
28.3.3 训练CNN网络368
28.3.4 评估训练效果370
28.4延伸阅读 372
28.5参考文献 372
第29章 基于计算机视觉的自动驾驶应用 374
29.1案例背景 374
29.2理论基础 375
29.2.1 环境感知375
29.2.2 行为决策375
29.2.3 路径规划376
29.2.4 运动控制376
29.3程序实现 376
29.3.1 传感器数据载入376
29.3.2 追踪器创建378
29.3.3 碰撞预警380
29.4延伸阅读 385
29.5参考文献 385
第30章 基于深度学习的视觉场景识别 386
书名: MATLAB与机器学习
定价: 79.00元
出版社名称: 机械工业出版社
出版时间: 2018 年2月
作者: 斯蒂芬妮·托马斯（Stephanie Thomas）
ISBN: 9787111589846
推荐序
译者序
作者简介
技术审校者简介
前言
一部分机器学习概论
1章机器学习概述
1.1引言
1.2机器学习基础
1.2.1数据
1.2.2模型
1.2.3训练
1.3学习机
1.4机器学习分类
1.5自主学习方法
1.5.1回归
1.5.2神经网络
1.5.3支持向量机
1.5.4决策树
1.5.5专家系统
参考文献
2章自主学习的历史
2.1引言
2.2人工智能
2.3学习控制
2.4机器学习
2.5未来
参考文献
3章机器学习软件
3.1自主学习软件
3.2商业化MATLAB软件
3.2.1MathWorks公司产品
3.2.2普林斯顿卫星系统产品
3.3MATLAB开源资源
3.3.1深度学习工具箱
3.3.2深度神经网络
3.3.3MatConvNet
3.4机器学习工具
3.4.1R语言
3.4.2scikit.learn
3.4.3LIBSVM
3.5优化工具
3.5.1LOQO
3.5.2SNOPT
3.5.3GLPK
3.5.4CVX
3.5.5SeDuMi
3.5.6YALMIP
参考文献
二部分机器学习的MATLAB实现
4章用于机器学习的MATLAB数据类型
4.1MATLAB数据类型概述
4.1.1矩阵
4.1.2元胞数组
4.1.3数据结构
4.1.4数值类型
4.1.5图像
4.1.6数据存储
4.1.7Tall数组
4.1.8稀疏矩阵
4.1.9表与分类数组
4.1.10大型MAT文件
4.2使用参数初始化数据结构
4.2.1问题
4.2.2方法
4.2.3步骤
4.3在图像数据存储上执行mapreduce
4.3.1问题
4.3.2方法
4.3.3步骤
总结
5章MATLAB图形
5.1二维线图
5.1.1问题
5.1.2方法
5.1.3步骤
5.2二维图形
5.2.1问题
5.2.2方法
5.2.3步骤
5.3定制二维图
5.3.1问题
5.3.2方法
5.3.3步骤
5.4三维盒子
5.4.1问题
5.4.2方法
5.4.3步骤
5.5用纹理绘制三维对象
5.5.1问题
5.5.2方法
5.5.3步骤
5.6三维图形
5.6.1问题
5.6.2方法
5.6.3步骤
5.7构建图形用户界面
5.7.1问题
5.7.2方法
5.7.3步骤
总结
6章MATLAB机器学习示例
6.1引言
6.2机器学习
6.2.1神经网络
6.2.2面部识别
6.2.3数据分类
6.3控制
6.3.1卡尔曼滤波器
6.3.2自适应控制
6.4人工智能
7章基于深度学习的面部识别
7.1在线获取数据：用于训练神经网络
7.1.1问题
7.1.2方法
7.1.3步骤
7.2生成神经网络的训练数据
7.2.1问题
7.2.2方法
7.2.3步骤
7.3卷积
7.3.1问题
7.3.2方法
7.3.3步骤
7.4卷积层
7.4.1问题
7.4.2方法
7.4.3步骤
7.5池化
7.5.1问题
7.5.2方法
7.5.3步骤
7.6全连接层
7.6.1问题
7.6.2方法
7.6.3步骤
7.7确定输出概率
7.7.1问题
7.7.2方法
7.7.3步骤
7.8测试神经网络
7.8.1问题
7.8.2方法
7.8.3步骤
7.9识别图像
7.9.1问题
7.9.2方法
7.9.3步骤
总结
参考文献
8章数据分类
8.1生成分类测试数据
8.1.1问题
8.1.2方法
8.1.3步骤
8.2绘制决策树
8.2.1问题
8.2.2方法
8.2.3步骤
8.3决策树的算法实现
8.3.1问题
8.3.2方法
8.3.3步骤
8.4生成决策树
8.4.1问题
8.4.2方法
8.4.3步骤
8.5手工创建决策树
8.5.1问题
8.5.2方法
8.5.3步骤
8.6训练和测试决策树
8.6.1问题
8.6.2方法
8.6.3步骤
总结
参考文献
9章基于神经网络的数字分类
9.1生成带噪声的测试图像
9.1.1问题
9.1.2方法
9.1.3步骤
9.2创建神经网络工具箱
9.2.1问题
9.2.2方法
9.2.3步骤
9.3训练单一输出节点的神经网络
9.3.1问题
9.3.2方法
9.3.3步骤
9.4测试神经网络
9.4.1问题
9.4.2方法
9.4.3步骤
9.5训练多输出节点的神经网络
9.5.1问题
9.5.2方法
9.5.3步骤
总结
参考文献
10章卡尔曼滤波器
10.1状态估计器
10.1.1问题
10.1.2方法
10.1.3步骤
10.1.4传统卡尔曼滤波器
10.2使用UKF进行状态估计
10.2.1问题
10.2.2方法
10.2.3步骤
10.3使用UKF进行参数估计
10.3.1问题
10.3.2方法
10.3.3步骤
总结
参考文献
11章自适应控制
11.1自调谐：求振荡器频率
11.1.1问题
11.1.2方法
11.1.3步骤
11.2模型参考自适应控制
11.2.1创建方波输入
11.2.2实现模型参考自适应控制
11.2.3转子的MRAC系统实现
11.3飞机的纵向控制
11.3.1编写飞机纵向运动的微分方程
11.3.2利用数值方法寻找平衡状态
11.3.3飞机的数值仿真
11.3.4神经网络中对取值范围的限定和缩放
11.3.5寻找学习控制的神经网络
11.3.6枚举输入集合
11.3.7编写通用神经网络函数
11.3.8实现PID控制
11.3.9飞机俯仰角PID控制演示
11.3.10创建俯仰动力学的神经网络
11.3.11非线性仿真中的控制器演示
11.4轮船驾驶：实现轮船驾驶控制的增益调度
11.4.1问题
11.4.2方法
11.4.3步骤
总结
参考文献
12章自动驾驶
12.1汽车雷达建模
12.1.1问题
12.1.2步骤
12.1.3方法
12.2汽车的自主传递控制
12.2.1问题
12.2.2方法
12.2.3步骤
12.3汽车动力学
12.3.1问题
12.3.2步骤
12.3.3方法
12.4汽车仿真与卡尔曼滤波器
12.4.1问题
12.4.2方法
12.4.3步骤
12.5雷达数据的MHT实现
12.5.1问题
12.5.2方法
12.5.3步骤
12.5.4假设形成
12.5.5轨道剪枝
总结
参考文献
书名：人脸识别原理与实战
作者：王文峰，李大湘，王栋主编
ISBN：9787121335730
出版时间：2018年3月
定价：79.00元
出版社：电子工业出版社
第1章 图像轮廓提取及人脸检测 1
1.1 第1阶段：入门 2
1.1.1 轮廓提取问题 2
1.1.2 轮廓提取函数 3
1.1.3 数学形态学运算 8
1.2 第2阶段：进阶 13
1.2.1 边缘检测算子 13
1.2.2 haar-like特征 23
1.3 第3阶段：实战 27
1.3.1 肤色概率建模 27
1.3.2 人脸检测实战 32
第2章 图像边界显示及人脸对齐 41
2.1 第1阶段：入门 42
2.1.1 边界显示问题 42
2.1.2 边界显示函数 43
2.2 第2阶段：进阶 55
2.2.1 图像边界处理 55
2.2.2 区域属性度量 63
2.3 第3阶段：实战 68
2.3.1 空间几何变换 68
2.3.2 人脸对齐原理 70
2.3.3 人脸对齐实战 77
第3章 图像采样编码及人脸重构 85
3.1 第1阶段：入门 86
3.1.1 采样编码问题 86
3.1.2 采样编码函数 87
3.2 第2阶段：进阶 103
3.2.1 人脸图像采样 103
3.2.2 人脸模板生成 115
3.3 第3阶段：实战 119
3.3.1 数据库初始化 119
3.3.2 遮挡区域验证 125
3.3.3 人脸重构实战 132
第4章 视频图像转换及人脸跟踪 140
4.1 第1阶段：入门 141
4.1.1 视频转换问题 141
4.1.2 视频转换函数 142
4.2 第2阶段：进阶 155
4.2.1 视频压缩感知 155
4.2.2 视频压缩跟踪 165
4.3 第3阶段：实战 167
4.3.1 混编环境配置 167
4.3.2 C 文件编译 169
4.3.3 人脸跟踪实战 176
第5章 类脑视觉认知及人脸识别 197
5.1 第1阶段：入门 198
5.1.1 类脑认知问题 198
5.1.2 类脑认知函数 200
5.2 第2阶段：进阶 214
5.2.1 类脑视觉认知 214
5.2.2 类脑特征计算 217
5.2.3 类脑特征学习 224
5.3 第3阶段：实战 232
5.3.1 深度学习实战 232
5.3.2 宽度学习实战 246
5.3.3 人脸识别实战 255
