数字图像理解与智能技术 基于MATLAB和VC++实现PDF|Epub|txt|kindle电子书版本网盘下载

数字图像理解与智能技术 基于MATLAB和VC++实现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数字图像理解与智能技术引论1

1.1数字图像理解概述1

1.2图像理解的特点4

1.3图像理解的研究内容4

1.3.1目标识别5

1.3.2场景理解6

1.4图像理解的发展及其在农业中的应用7

1.4.1图像理解的发展7

1.4.2图像理解在农业中的应用8

1.5图像理解与智能技术的系统构成11

1.5.1采像12

1.5.2分析26

1.5.3理解39

参考文献46

第2章 小波变换47

2.1小波变换概述47

2.2小波与小波变换48

2.3离散小波变换50

2.4小波族53

2.5图像处理中的小波变换57

2.5.1基于小波变换的图像分解与重构57

2.5.2基于小波变换的图像增强59

2.5.3基于小波变换的图像平滑61

2.5.4基于小波变换的图像压缩62

2.5.5基于小波变换的图像合成64

参考文献66

第3章 图像融合67

3.1图像融合概述67

3.1.1图像融合的应用68

3.1.2图像融合的方法69

3.2图像融合的关键技术70

3.3典型图像融合算法71

3.4塔式分解法76

3.4.1非采样Contourlet算法的特点77

3.4.2非采样Contourlet变换原理78

3.4.3图像融合规则81

3.5基于视觉特性的图像融合86

3.5.1人眼视觉特性的相关概念86

3.5.2基于视觉识别特性的图像融合算法原理88

3.5.3多聚焦图像融合算法89

3.6图像融合性能评价92

3.6.1图像融合方法的基本要求92

3.6.2图像融合效果评定方法93

3.7应用研究实例95

参考文献95

第4章 图像识别97

4.1图像识别概述97

4.2模板匹配方法99

4.3统计模式识别100

4.4支持向量机103

4.5仿生模式识别106

4.5.1仿生模式识别理论106

4.5.2高维空间几何理论107

4.5.3基于仿生模式识别的人脸识别109

4.6应用研究实例114

参考文献114

第5章 神经网络115

5.1神经网络概述115

5.2生物学基础116

5.3人工神经元117

5.4神经网络的特点119

5.5 BP神经网络120

5.5.1 BP神经网络概述120

5.5.2 BP神经网络的训练学习121

5.5.3 BP神经网络的Matlab示例124

5.6应用研究实例126

参考文献127

第6章 遗传算法128

6.1遗传算法概述128

6.2生物学基础130

6.3简单遗传算法131

6.3.1遗传表达131

6.3.2遗传算子132

6.4遗传参数134

6.4.1交叉概率Pc和变异概率Pm134

6.4.2其他参数135

6.4.3遗传参数的确定135

6.5适应度函数135

6.5.1目标函数映射为适应度函数136

6.5.2适应度函数的尺度变换136

6.5.3适应度函数设计对GA的影响137

6.6模式定理138

6.6.1模式的几何解释140

6.6.2 GA的操作对模式的影响141

6.7遗传算法在模板匹配中的应用143

6.7.1问题的设定143

6.7.2 GA的应用方法145

6.7.3简单GA的Matlab程序示例146

6.7.4程序执行过程164

6.8应用研究实例166

参考文献169

第7章 数字水印170

7.1数字水印概述170

7.2基于DCT域的鲁棒水印172

7.3基于空间域的脆弱水印179

7.4基于DWT域的脆弱水印185

7.5应用研究实例192

参考文献193

第8章 视频处理194

8.1视频处理概述194

8.2视频生成与成像模型194

8.2.1视频生成简介194

8.2.2视频成像模型195

8.3视频编码199

8.3.1视频编码概述199

8.3.2视频编码标准199

8.4运动目标龈踪202

8.4.1运动目标检测算法203

8.4.2运动目标跟踪算法204

8.5应用研究实例213

8.5.1视频跟踪在昆虫运动分析和行为识别中的应用213

8.5.2机器视觉在草地蝗虫识别中的应用215

8.5.3远程农作物视频采集系统216

参考文献217

第9章 光谱成像218

9.1光谱成像概述218

9.1.1光谱成像原理218

9.1.2光谱成像方式220

9.1.3光谱成像数据及描述模型224

9.1.4光谱成像检测技术的发展趋势228

9.2光谱图像处理230

9.2.1光谱图像预处理230

9.2.2光谱图像特征的选取与分类方法232

9.2.3光谱图像分类中的模式识别方法234

9.3应用研究实例244

9.3.1利用多时相Landsat高光谱图像监测冬小麦和苜蓿种植面积244

9.3.2基于光谱图像的作物长势监测247

参考文献249

第10章 遥感图像处理基础250

10.1遥感图像处理概述250

10.2遥感图像目视解译与判读251

10.2.1判读要素251

10.2.2判读标志252

10.2.3判读方法252

10.2.4遥感判读的基本技术253

10.3遥感图像的数字表达254

10.4遥感图像的存储254

10.4.1HDF255

10.4.2 BSQ258

10.4.3 BIP258

10.4.4 BIL258

10.5遥感图像特征的统计分析258

10.5.1遥感图像的特征258

10.5.2成像方式分类259

10.6常用遥感图像处理软件260

10.6.1 ENVI260

10.6.2 ERDAS IMAGINE261

10.6.3 Titan Image262

10.7高光谱遥感264

10.7.1高光谱遥感的特点265

10.7.2高光谱遥感的优势265

10.7.3高光谱遥感的应用领域265

10.8应用研究实例267

10.8.1正交子空间投影目标探测法267

10.8.2实验结果与分析270

参考文献273

附录Matlab和VC＋＋接口技术274

1. Matlab和VC＋＋接口技术概述274

2. Matlab和VC＋＋常用接口技术比较274

3. MATCOM C＋＋数学库的使用277

4.程序编写过程示例279