Human Face Recognition Using Third-Order Synthetic Neural Networks pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Kluwer Academic Pub

作者:Uwechue, Okechukwu A./ Pandya, Abhijit S.

出品人:

页数:138

译者:

出版时间:1997-6

价格:$ 236.17

装帧:HRD

isbn号码:9780792399575

丛书系列:

图书标签:

人脸识别
神经网络
深度学习
模式识别
图像处理
机器学习
合成神经网络
第三阶张量
计算机视觉
人工智能

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

Human Face Recognition Using Third-Order Synthetic Neural Networks explores the viability of the application of High-order synthetic neural network technology to transformation-invariant recognition of complex visual patterns. High-order networks require little training data (hence, short training times) and have been used to perform transformation-invariant recognition of relatively simple visual patterns, achieving very high recognition rates. The successful results of these methods provided inspiration to address more practical problems which have grayscale as opposed to binary patterns (e.g., alphanumeric characters, aircraft silhouettes) and are also more complex in nature as opposed to purely edge-extracted images - human face recognition is such a problem. Human Face Recognition Using Third-Order Synthetic Neural Networks serves as an excellent reference for researchers and professionals working on applying neural network technology to the recognition of complex visual patterns.

《数字图像处理基础与实践》本书简介本书旨在为读者提供一个全面且深入的数字图像处理领域的知识体系，重点关注从理论基础到实际应用的转化。内容涵盖了数字图像处理的核心概念、经典算法以及前沿技术，旨在帮助工程技术人员、研究人员以及相关专业的学生构建坚实的理论基础和实用的操作技能。第一部分：图像采集与表示本部分首先从物理世界到数字世界的转化过程入手，详细阐述了图像采集系统的基本原理，包括传感器技术、光学成像以及量化与采样理论。重点讨论了数字图像的数学表示方法，包括灰度图像、彩色图像（RGB、CMY、HSV等颜色空间）的数学建模。此外，还深入探讨了数字图像的质量评估指标，如信噪比（SNR）、峰值信噪比（PSNR）和结构相似性（SSIM），为后续的图像增强和复原打下理论基础。第二部分：图像变换与域分析本部分聚焦于图像在不同数学域中的表示及其应用。我们详细介绍了傅里叶变换（2D DFT）在线性、周期、连续和离散情况下的性质与应用，并解释了其在频域滤波中的核心作用。除了傅里叶变换，本书还系统地讲解了离散余弦变换（DCT）和小波变换（Wavelet Transform）。小波变换部分着重于其在多分辨率分析和图像压缩中的优越性。通过对这些变换域的深入理解，读者将能更好地掌握图像滤波、去噪和特征提取的原理。第三部分：图像增强与复原本部分是实践应用的关键环节。在图像增强方面，本书涵盖了空间域增强技术，如直方图均衡化、灰度拉伸、以及平滑与锐化滤波器（如均值滤波、中值滤波、拉普拉斯算子和Sobel算子）。随后，我们转向频域增强，讨论了如何利用傅里叶变换设计理想低通、高通和带阻滤波器来改善图像质量。图像复原则是处理图像降质问题的核心。本书详细分析了图像降质模型，包括运动模糊、离焦模糊等。针对这些模型，我们系统地介绍了逆滤波、维纳滤波（Wiener Filtering）等经典复原方法，并探讨了盲复原问题及其迭代求解策略。特别地，针对噪声抑制，除了线性滤波外，我们还引入了非线性扩散滤波等高级方法。第四部分：图像分割与特征提取图像分割是理解图像内容的第一步。本部分从基础的阈值法开始，详细讲解了Otsu’s法等全局和局部阈值技术的实现细节。随后，深入探讨了基于区域的分割方法，如区域生长法和区域分裂与合并法。边界检测方面，Canny边缘检测算法的理论推导和参数调优被详尽阐述。特征提取是连接图像处理与模式识别的桥梁。本书详细介绍了形态学处理（腐蚀、膨胀、开运算、闭运算）在图像简化和特征提取中的应用。对于更复杂的特征描述，我们系统介绍了描述子，如HOG（梯度方向直方图）、LBP（局部二值模式）以及傅里叶描述符，并分析了它们在目标识别中的适用性。第五部分：图像压缩与形态学图像压缩部分遵循信息论的基本原理，介绍了无损压缩和有损压缩的差异。无损压缩部分重点讲解了游程编码（RLE）、霍夫曼编码和算术编码。有损压缩方面，本书深入剖析了JPEG标准背后的技术，包括离散余弦变换（DCT）的应用、量化过程以及熵编码。形态学处理在图像分析中扮演重要角色。本章详细阐述了结构元素的设计、二值图像和灰度图像的腐蚀与膨胀操作，并基于此构建了开运算、闭运算、顶帽变换和底帽变换，展示了它们在消除噪声、分离粘连目标等实际问题中的强大能力。第六部分：实践项目与工具链为了确保读者能够将理论知识转化为实际成果，本书的最后一部分着重于实践操作。我们推荐并详细指导读者使用主流的图像处理库（如OpenCV、MATLAB Image Processing Toolbox）完成多个综合性项目，涵盖了从基础的图像滤波到复杂的边缘检测和目标跟踪任务。通过这些实践案例，读者将熟悉现代计算机视觉工作流程，并掌握调试和优化算法的实际技能。本书结构严谨，内容详实，图文并茂，是数字图像处理领域从业者和学习者不可或缺的参考手册。