計算機視覺

目錄

第1章計算機視覺概述*

1.1計算機視覺簡述

1.1.1計算機視覺的定義與目標

1.1.2計算機視覺與人工智能的關系

1.1.3計算機視覺技術的特點與優勢

1.2計算機視覺發展歷史

1.2.1計算機視覺的起源

1.2.2發展裏程碑

1.2.3當前發展趨勢

1.3計算機視覺的關鍵技術

1.3.1邊緣檢測

1.3.2圖像分類

1.3.3目標檢測

1.3.4語義分割

1.3.5目標跟蹤

1.3.6三維視覺

1.4計算機視覺的應用

1.4.1自動駕駛

1.4.2醫學影像分析

1.4.3安全監控與人臉識別

1.4.4虛擬現實與增強現實

1.4.5工業自動化與智能制造

1.4.6娛樂與遊戲開發

第2章數字圖像基礎

2.1數字圖像簡述

2.1.1數字圖像的表示方法

2.1.2圖像的分辨率與像素

2.1.3灰度圖像與彩色圖像

2.1.4圖像的文件格式與存儲

2.2數字圖像處理簡述

2.2.1數字圖像處理發展

2.2.2數字圖像處理應用

2.3OpenCV簡述

2.3.1OpenCV的歷史與發展

2.3.2OpenCV的安裝與配置

2.3.3OpenCV的基本功能與特性

2.3.4其他數字圖像處理庫簡述

2.4數字圖像處理實踐

2.4.1圖像文件的讀寫與顯示

2.4.2視頻文件的讀寫與顯示

第3章深度學習基礎

3.1深度學習簡述

3.1.1神經元的基本概念

3.1.2單層神經網絡

3.1.3多層神經網絡

3.1.4非線性激活函數

3.1.5神經網絡輸出

3.2深度學習關鍵技術

3.2.1損失函數

3.2.2梯度下降法

3.2.3反向傳播算法

3.3常見的神經網絡結構

3.3.1多層感知機

3.3.2卷積神經網絡

3.4深度學習實踐

3.4.1波士頓房價預測

3.4.2手寫數字識別

第4章圖像變換

4.1空域變換

4.1.1縮放與翻轉

4.1.2旋轉與平移

4.1.3仿射變換

4.1.4單應性變換

4.2頻域變換

4.2.1傅裏葉變換

4.2.2其他頻域變換方法

4.3圖像變換實踐

4.3.1空域變換實踐

4.3.2頻域變換實踐

第5章圖像濾波

5.1空域濾波

5.1.1均值濾波

5.1.2高斯濾波

5.1.3中值濾波

5.1.4雙邊濾波

5.1.5自定義濾波

5.2頻域濾波

5.2.1低通濾波器

5.2.2高通濾波器

5.3圖像濾波實踐

5.3.1空域濾波實踐

5.3.2頻域濾波實踐

第6章特征提取與匹配*

6.1特征提取

6.1.1SIFT

6.1.2SURF

6.1.3ORB

6.2特征匹配

6.2.1暴力匹配

6.2.2K最近鄰匹配

6.2.3基於FLANN的特征匹配

6.3特征提取與匹配實踐

6.3.1特征提取實踐

6.3.2特征匹配實踐

第7章邊緣檢測

7.1邊緣檢測的基本概念

7.1.1圖像梯度

7.1.2梯度算子

7.2一階邊緣檢測算子

7.2.1Roberts算子

7.2.2Prewitt算子

7.2.3Sobel算子

7.2.4帶有方向信息的梯度算子

7.3二階邊緣檢測算子

7.3.1Laplacian算子

7.3.2LoG算子

7.4Canny邊緣檢測算子

7.5邊緣檢測實踐

7.5.1LoG邊緣檢測實踐

7.5.2Canny邊緣檢測實踐

第8章圖像分類

8.1圖像分類的基本概念

8.1.1圖像分類的定義

8.1.2圖像分類的應用場景

8.2基於傳統方法的圖像分類

8.2.1特征提取技術

8.2.2特征選擇與降維

8.2.3分類器

8.3基於深度學習的圖像分類

8.3.1VGG模型

8.3.2ResNet模型

8.4圖像分類實踐

8.4.1MNIST手寫數字分類實踐

8.4.2CIFAR10分類實踐

第9章目標檢測

9.1目標檢測的基本概念

9.1.1目標檢測的定義

9.1.2目標檢測的應用場景

9.2基於傳統方法的目標檢測

9.2.1基於模板匹配的目標檢測方法

9.2.2基於圖像特征的目標檢測方法

9.3基於深度學習的目標檢測

9.3.1兩階段目標檢測方法

9.3.2單階段目標檢測方法

9.4目標檢測實踐

9.4.1兩階段目標檢測實踐

9.4.2單階段目標檢測實踐

第10章語義分割*

10.1語義分割的基本概念

10.1.1語義分割的定義

10.1.2語義分割的應用場景

10.2基於傳統方法的語義分割

10.2.1基於閾值處理的語義分割方法

10.2.2基於區域生長的語義分割方法

10.3基於深度學習的語義分割

10.3.1基於CNN的語義分割方法

10.3.2基於Transformer的語義分割方法

10.4語義分割實踐

10.4.1UNet醫學圖像分割實踐

10.4.2DeepLabV3鐵軌缺陷分割實踐

第11章目標跟蹤

11.1目標跟蹤的基本概念

11.1.1目標跟蹤的定義

11.1.2目標跟蹤的應用場景

11.2基於傳統方法的目標跟蹤

11.2.1基於生成模型的目標跟蹤

11.2.2基於判別模型的目標跟蹤

11.3基於深度學習的目標跟蹤

11.3.1基於檢測的目標跟蹤

11.3.2基於孿生網絡的目標跟蹤

11.3.3基於端到端學習的目標跟蹤

11.4多目標跟蹤

11.4.1SORT算法介紹

11.4.2SORT的工作原理

11.4.3DeepSORT對於SORT的改進

11.5目標跟蹤實踐

11.5.1傳統目標跟蹤算法實踐

11.5.2深度學習單目標跟蹤算法實踐

11.5.3深度學習多目標跟蹤算法實踐

第12章三維視覺

12.1三維視覺的基本概念

12.1.1三維視覺的定義

12.1.2三維視覺的應用場景

12.2基於傳統方法的深度估計

12.2.1傳統單目深度估計實踐

12.2.2傳統雙目深度估計實踐

12.3基於深度學習的深度估計

12.3.1基於深度學習的單目深度估計

12.3.2基於深度學習的雙目深度估計

12.4三維視覺實踐

12.4.1傳統單目深度估計實踐

12.4.2基於深度學習的單目深度估計實踐

12.4.3傳統雙目深度估計實踐

12.4.4基於深度學習的雙目深度估計實踐

第13章綜合實踐

13.1缺陷檢測綜合實踐項目

13.1.1項目背景

13.1.2技術分析

13.1.3實現步驟

13.1.4項目總結

13.2三維視覺綜合實踐項目

13.2.1項目背景

13.2.2技術分析

13.2.3實現步驟

13.2.4項目總結

參考文獻