001_推荐一本好书，再说点最开始的话

写作时间：

2020-11-29

标题：

“ 001_推荐一本好书，说出一些第一句话”

目录：

1.找​​到了一本关于数字图像和视频处理的好书

2.这本书的研究内容

3.这本书的内容结构

-3. 1 PART1基本概念

-3. 2 PART2图像处理进度

-3. 3 PART3视频处理进度

身体：

1.找​​到了一本好书

最近阅读**“使用MATLAB进行高级图像和视频处理” **，在2018年左右，它是一个非常新的感觉，很中文，但是我只有英文版，英文版是英文版。翻译时学习〜

2.这本书的研究内容

“使用MATLAB进行高级图像和视频处理”这本书的标题是“使用MATLAB进行高级图像和视频处理”的研究内容。算法思想是关键和核心。算法是本书的内涵，而MATLAB代码是本书算法的外化和工程表达工具。两者相辅相成，缺一不可。

那么，关于数字图像和视频处理的研究是什么？

主要致力于信号处理的研究，例如：图像对比度调整，图像编码，图像去噪和滤波。

随着人工智能和深度学习的兴起，数字图像处理变得越来越先进。人们开始研究使用三种技术来模拟人类对现实世界的视觉，观察，理解和解释：图像分割，图像分析和图像理解。

a）图像分割

提取特征（例如边缘和区域）以进行图像分析，识别和理解。

b）图像分析

使用数学模型和图像处理技术从基本特征及其关系中提取智能信息。

图像分析和图像处理密切相关。尽管可能存在一定程度的重叠，但是它们本质上是不同的。因此，图像分析和模式识别以及计算机视觉。通常用于通过一些数学模型来分析基本特征和上层建筑。

图像分析的研究主要集中在基于内容的图像检索，面部识别，情感识别，光学字符识别，手写识别，生物医学图像分析和视频对象提取上。

3)图像理解

通过研究属性进一步了解含义和场景描述以及特征和对象之间的关系。

图像理解的对象是描述中的符号；这个过程类似于人脑。

与图像分析相对应，视频分析使用计算机视觉技术来分析来自监视摄像机的视频帧。它还可以过滤风，雨，雪，落叶，鸟类和浮旗等背景。

在复杂背景下的所谓对象跟踪。由于存在不同的错觉，运动，遮挡，颜色和复杂的背景，增加了目标检测和跟踪算法设计的难度。

图像和视频分析的步骤主要包括分割，分类和解释。

分类过程通常通过SIFT和LBP提取特征。通过使用深度学习技术，人们开始使用深度学习通过自动提取功能执行图像分类，场景分类和行为分析。

与其他基于MATLAB的基础教科书的区别：

我们写这本书的目的是介绍图像和视频处理中的高级应用程序。我们认为，这本书与其他基于MATLAB的基础教科书不同，后者仅介绍了图像转换，增强，还原，编码和调整大小等基本功能。

本书重点介绍高级应用程序，例如图像除雾校正，图像脱水校正，图像拼接，图像水印，视觉目标识别，运动目标跟踪，动态场景分类，行人重新识别以及具有深度学习的行为分析。

3.这本书的内容结构*

这本书分为三个部分：

3. 1 PART1基本概念

一个部分分为几章

第1章：

基本原理的简要介绍，包括分析技术：场景分割，特征描述和对象识别。这也是一些高级应用程序示例的摘要，例如图像融合，图像恢复，图像拼接，图像水印，对象跟踪和行人重新识别。

第2章：

介绍了用于图像和视频的MATLAB工具箱。

第3章：

介绍了基于阈值的图像和视频分割方法，基于区域的偏微分方程，聚类，图论和累加以及基于差异的运动区域提取。

第4章：

引入了特征提取和表示，包括：哈里斯角点检测，SUSAN边缘检测，点特征检测算法

SIFT和SURF。

3. 2 PART2图像处理进展

这部分包括图像处理技术，例如图像校正，图像恢复，图像融合，图像拼接和图像水印。

第5章：

首先，介绍了三种用于图像降噪和模糊的滤波器。然后，主要介绍了图像除雾，图像校正技术，水印和文本图像功能校正。

第6章：

介绍了图像恢复技术，包括原理，结构，算法和一些示例代码。

第7章：

图像融合，首先介绍融合的类型及其方案，然后提及一个非常重要的方法：用于图像融合的小波变换。最后，讨论了主观和主观图像融合评估。

第8章：

图像拼接，例如基于区域，基于特征和基于特征点的方法。 SIFT和Harris拐角检测书。

第9章：

简要介绍了三种不同的变换图像水印。它们基于空间域，基于DCT和DWT的水印技术。

第10章：

引入了对象识别技术，包括面部识别，面部表情以及图像到字符的提取和识别。

3. 3 PART3视频处理进度

第11-14章主要介绍运动对象跟踪，基于TMBP的动态场景分类，基于LDA主题模型的行为识别，基于度量学习的人物识别以及用于嘴唇识别的视频处理技术。基于深度学习模型和深度CNN架构的事件识别示例。

第11章：

引入了使用高斯混合模型进行背景检测和使用RANSAC进行特征点跟踪的对象跟踪技术。均值漂移目标跟踪算法得到了进一步的扩展。

第12章：

引入了动态场景分类，并讨论了TMBP和LDA模型进行分类。

第13章：

介绍了如何重新识别使用图像理解技术的人。

第14章：

介绍了对图像和视频理解的深度学习。

其他：

为了便于读者评估算法的性能，我们还在附录中给出了通用的评估标准。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-370883-1.html