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)