《数字图像处理与机器视觉》通过讲述数字图像图像处理和计算机视觉的基本概念、理论、典型算法和应用实例等内容，使学生获得图像处理与计算机视觉方面的系统理论知识和实用技能，掌握数字图像处理的基本原理和基本方法：图像变换、图像增强、图像编码、图像复原、图像重建、图像描述、图像分类识别等。同时，将这些原理与编程实现技术相结合，与具体的测试图像实例结合，培养学生从应用目标出发设计合适的图像处理基本算法与编程实现方法，为深入开展图像工程领域的科学研究、应用开发等打下良好的理论和技术基础。
Overview
Syllabus
- 概述
- 图像处理与机器视觉定义
- 图像类型
- 图像处理与机器视觉处理层次
- 图像色彩模型
- 图像格式
- 图像去噪
- 图像噪声模型
- 空间滤波去噪
- 频域滤波去噪
- 图像增强
- 基于空间变换的图像增强
- 直方图均衡化与拉普拉斯锐化
- 基于频域变换的图像增强
- 图像分割
- 图像分割概述
- 基于阈值的图像分割算法
- 基于区域的图像分割算法
- 基于聚类的图像分割算法
- 基于边界的图像分割算法
- 图像描述
- 图像描述概述
- 基于边界的图像特征描述
- 基于区域的图像特征描述
- 基于关键点的图像特征描述
- 卷积神经网络介绍
- 卷积神经网络基础
- 几种经典的卷积神经网络
- 迁移学习
- 卷积神经网络目标检测
- 卷积神经网络目标检测（上）
- 卷积神经网络目标检测（下）
- 卷积神经网络语义分割
- 卷积神经网络语义分割
- 卷积变分自编码器
Taught by
Jianning Chi
