          人工智能-圖像處理和識別培訓(xùn)

第一講 數(shù)字圖像基礎(chǔ)
1.1 什么是數(shù)字圖像？
1.2 圖像感知和獲取
1.3 圖像的表達(dá)
1.4 圖像處理的基本步驟
1.5 圖像處理的應(yīng)用實例
第二講 空間域圖像增強
2.1為什么進(jìn)行圖像增強
2.2 灰度直方圖處理
2.3 平滑空域濾波器
2.4 銳化空域濾波器
2.5 混合空間濾波器
2.6 空間域濾波的應(yīng)用案例
第三講 頻域圖像增強
3.1 圖像傅里葉變換
3.2 平滑頻域濾波器
3.3 銳化頻域濾波器
3.4 同態(tài)濾波器
3.5 頻域濾波的應(yīng)用案例
第四講 小波變換和多分辨率處理
4.1 圖像金字塔
4.2 多分辨率展開
4.3 一維小波變換
4.4 二維小波變換
4.5 小波變換的應(yīng)用案例
第五講 形態(tài)學(xué)圖像處理
5.1 圖像的膨脹與腐蝕
5.2 圖像的開操作與閉操作
5.3 形態(tài)學(xué)算法提取圖像特征
5.4 形態(tài)學(xué)算法提取圖像特征的應(yīng)用案例
第六講 圖像分割
6.1 間斷檢測
6.2 邊緣頰側(cè)和邊界檢測
6.3 基于區(qū)域的分割
6.4 基于聚類的分割
6.5 圖像分割在目標(biāo)追蹤中的應(yīng)用案例
第七講 圖像特征提取、描述與融合
7.1 圖像的基本特征
7.2 圖像紋理特征提取與分析
7.2 圖像特征描述子
7.3 SIFT特征提取與描述
7.4 邊界特征的提取與描述
7.5 圖像特征的融合
7.6 SIFT圖像特征的應(yīng)用案例
第八講 圖像識別
8.1 模式與模式識別
8.2 圖像匹配
8.3 目標(biāo)識別
8.4 目標(biāo)識別中的反饋機制
8.5 圖像識別的應(yīng)用案例
第九講 深度學(xué)習(xí)在圖像處理中的應(yīng)用
9.1 人工神經(jīng)網(wǎng)絡(luò)的基本實現(xiàn)
9.2 深度學(xué)習(xí)的簡介
9.3 深度學(xué)習(xí)與圖像匹配的結(jié)合
9.4 深度學(xué)習(xí)與目標(biāo)識別的結(jié)合
9.5 深度學(xué)習(xí)在圖像處理中的應(yīng)用案例