图像分割,总结和改进了当前图像分割方法的新理论、方法和应用,由该领域的领导者撰写。图像分割的过程是根据像素的特征将图像划分为不同的区域,从而得到一个简化的图像,可以更有效地进行分析。图像分割在工业检测、生物医学、智能交通、建筑等众多领域有着广泛的应用。《图像分割:原理、技术和应用》是计算机视觉领域最新的技术和方法的最新集合。涵盖基本概念、新理论和方法,以及各种实际应用,包括医学成像、遥感、模糊聚类和分水岭变换。深入的章节介绍了作者开发的创新方法,如卷积神经网络,图卷积网络,可变形卷积和模型压缩,以帮助研究生和研究人员在他们的工作中应用和改进图像分割。

  • 描述了图像分割的基本原理和相关的数学方法,如聚类、神经网络和数学形态学。

  • 介绍了基于经典图像处理和机器学习理论的快速、准确的图像分割方法。

  • 介绍了改进的卷积神经网络在场景分割、目标识别和变化检测等方面的技术。

  • 重点介绍了图像分割在交通图像分析、医学图像分析、遥感应用、材料分析等各种应用场景中的效果。

  • 图像分割:原理、技术和应用是本科生和研究生课程的基本资源,如图像和视频处理、计算机视觉和数字信号处理,以及在计算机视觉和图像分析工作的研究人员寻求改进他们的技术和方法。

Part I : Principles CHAPTER 1 Introduction (Pages: 1-19) CHAPTER 2 Clustering (Pages: 21-35) CHAPTER 3 Mathematical Morphology (Pages: 37-62) CHAPTER 4 Neural Networks (Pages: 63-96)Part II : Methods CHAPTER 5 Fast and Robust Image Segmentation Using Clustering (Pages: 97-123)

CHAPTER 6 Fast Image Segmentation Using Watershed Transform (Pages: 125-150) CHAPTER 7 Superpixel-Based Fast Image Segmentation (Pages: 151-177)Part III : Applications CHAPTER 8 Image Segmentation for Traffic Scene Analysis (Pages: 179-198) CHAPTER 9 Image Segmentation for Medical Analysis (Pages: 199-227) CHAPTER 10 Image Segmentation for Remote Sensing Analysis (Pages: 229-262) CHAPTER 11 Image Segmentation for Material Analysis (Pages: 263-288)

成为VIP会员查看完整内容
115

相关内容

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2022新书】机器学习中的统计建模:概念和应用,398页pdf
专知会员服务
136+阅读 · 2022年11月5日
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】Python数据科学导论,309页pdf
专知会员服务
81+阅读 · 2022年8月6日
【干货书】线性代数及其应用,688页pdf
专知会员服务
165+阅读 · 2021年6月10日
专知会员服务
84+阅读 · 2020年12月5日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
119+阅读 · 2019年6月16日
【2022新书】Python数据科学导论,309页pdf
专知
5+阅读 · 2022年8月6日
【机器视觉】计算机视觉研究入门全指南
产业智能官
11+阅读 · 2018年9月23日
干货 | 基于深度学习的目标检测算法综述
AI科技评论
18+阅读 · 2018年9月1日
MATLAB计算机视觉与深度学习实战
炼数成金订阅号
19+阅读 · 2017年8月4日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
15+阅读 · 2022年1月24日
Arxiv
25+阅读 · 2022年1月3日
A Survey on Data Augmentation for Text Classification
Arxiv
16+阅读 · 2020年5月20日
Arxiv
35+阅读 · 2019年11月7日
VIP会员
相关VIP内容
【2022新书】机器学习中的统计建模:概念和应用,398页pdf
专知会员服务
136+阅读 · 2022年11月5日
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【2022新书】Python数据科学导论,309页pdf
专知会员服务
81+阅读 · 2022年8月6日
【干货书】线性代数及其应用,688页pdf
专知会员服务
165+阅读 · 2021年6月10日
专知会员服务
84+阅读 · 2020年12月5日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
119+阅读 · 2019年12月9日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
119+阅读 · 2019年6月16日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员