دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Reinhard Klette سری: Undergraduate Topics in Computer Science ISBN (شابک) : 9781447163190, 9781447163206 ناشر: Springer-Verlag London سال نشر: 2014 تعداد صفحات: 441 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب Concise Computer Vision: An Introduction into Theory and Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب چشم انداز مختصر رایانه ای: مقدمه ای در نظریه و الگوریتم ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درسی یک مقدمه کلی در دسترس برای موضوعات ضروری در بینایی کامپیوتر ارائه می دهد. تمرین های برنامه نویسی تست شده در کلاس درس و سوالات مروری نیز در پایان هر فصل ارائه شده است. ویژگی ها: مقدمه ای بر نمادهای اساسی و مفاهیم ریاضی برای توصیف یک تصویر و مفاهیم کلیدی برای نگاشت تصویر به یک تصویر ارائه می دهد. مبانی توپولوژیک و هندسی را برای تجزیه و تحلیل مناطق تصویر و توزیع مقادیر تصویر توضیح می دهد و در مورد شناسایی الگوها در یک تصویر بحث می کند. جریان نوری را برای نمایش حرکت متراکم و موضوعات مختلف در تحلیل حرکت پراکنده معرفی می کند. روشهای ویژهای را برای باینریسازی تصویر و تقسیمبندی تصاویر ثابت یا فریمهای ویدئویی شرح میدهد. اجزای اساسی یک سیستم بینایی کامپیوتری را بررسی می کند. تکنیک های مختلف برای بازسازی شکل سه بعدی مبتنی بر بینایی را بررسی می کند. شامل بحثی در مورد تطبیقدهندههای استریو و مدل تطابق فاز برای ویژگیهای تصویر است. مقدمه ای بر طبقه بندی و یادگیری ارائه می دهد.
This textbook provides an accessible general introduction to the essential topics in computer vision. Classroom-tested programming exercises and review questions are also supplied at the end of each chapter. Features: provides an introduction to the basic notation and mathematical concepts for describing an image and the key concepts for mapping an image into an image; explains the topologic and geometric basics for analysing image regions and distributions of image values and discusses identifying patterns in an image; introduces optic flow for representing dense motion and various topics in sparse motion analysis; describes special approaches for image binarization and segmentation of still images or video frames; examines the basic components of a computer vision system; reviews different techniques for vision-based 3D shape reconstruction; includes a discussion of stereo matchers and the phase-congruency model for image features; presents an introduction into classification and learning.
Front Matter....Pages I-XVIII
Image Data....Pages 1-42
Image Processing....Pages 43-87
Image Analysis....Pages 89-133
Dense Motion Analysis....Pages 135-166
Image Segmentation....Pages 167-214
Cameras, Coordinates, and Calibration....Pages 215-243
3D Shape Reconstruction....Pages 245-286
Stereo Matching....Pages 287-330
Feature Detection and Tracking....Pages 331-374
Object Detection....Pages 375-413
Back Matter....Pages 415-429