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
ویرایش: سری: ISBN (شابک) : 2020050611, 9781003019718 ناشر: سال نشر: 2021 تعداد صفحات: 407 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 40 مگابایت
در صورت تبدیل فایل کتاب Fundamentals of Image, Audio, and Video Processing Using MATLAB: With Applications to Pattern Recognition 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 مبانی پردازش تصویر ، صدا و فیلم با استفاده از MATLAB: با استفاده از برنامه های شناسایی الگو 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.
Cover Half Title Title Page Copyright Page Table of Contents Preface Author Abbreviations 1 Image Processing 1.1 Introduction 1.2 Toolboxes and Functions 1.2.1 Basic MATLAB® (BM) Functions 1.2.2 Image Processing Toolbox (IPT) Functions 1.2.3 Signal Processing Toolbox (SPT) Functions 1.2.4 Wavelet Toolbox (WT) Functions 1.3 Import Export and Conversions 1.3.1 Read and Write Image Data 1.3.2 Image-Type Conversion 1.3.3 Image Color 1.3.4 Synthetic Images 1.4 Display and Exploration 1.4.1 Basic Display 1.4.2 Interactive Exploration 1.4.3 Building Interactive Tools 1.5 Geometric Transformation and Image Registration 1.5.1 Common Geometric Transformations 1.5.2 Affine and Projective Transformations 1.5.3 Image Registration 1.6 Image Filtering and Enhancement 1.6.1 Image Filtering 1.6.2 Edge Detection 1.6.3 Contrast Adjustment 1.6.4 Morphological Operations 1.6.5 ROI and Block Processing 1.6.6 Image Arithmetic 1.6.7 De-blurring 1.7 Image Segmentation and Analysis 1.7.1 Image Segmentation 1.7.2 Object Analysis 1.7.3 Region and Image Properties 1.7.4 Texture Analysis 1.7.5 Image Quality 1.7.6 Image Transforms 1.8 Working in Frequency Domain 1.9 Image Processing Using Simulink 1.10 Notes on 2-D Plotting Functions 1.11 Notes on 3-D Plotting Functions Review Questions 2 Audio Processing 2.1 Introduction 2.2 Toolboxes and Functions 2.2.1 Basic MATLAB® (BM) Functions 2.2.2 Audio System Toolbox (AST) Functions 2.2.3 DSP System Toolbox (DSPST) Functions 2.2.4 Signal Processing Toolbox (SPT) Functions 2.3 Sound Waves 2.4 Audio I/O and Waveform Generation 2.5 Audio Processing Algorithm Design 2.6 Measurements and Feature Extraction 2.7 Simulation, Tuning and Visualization 2.8 Musical Instrument Digital Interface (MIDI) 2.9 Temporal Filters 2.10 Spectral Filters 2.11 Audio Processing Using Simulink Review Questions 3 Video Processing 3.1 Introduction 3.2 Toolboxes and Functions 3.2.1 Basic MATLAB (BM) Functions 3.2.2 Computer Vision System Toolbox (CVST) Functions 3.3 Video Input Output and Playback 3.4 Processing Video Frames 3.5 Video Color Spaces 3.6 Object Detection 3.6.1 Blob Detector 3.6.2 Foreground Detector 3.6.3 People Detector 3.6.4 Face Detector 3.6.5 Optical Character Recognition (OCR) 3.7 Motion Tracking 3.7.1 Histogram Based Tracker 3.7.2 Optical Flow 3.7.3 Point Tracker 3.7.4 Kalman Filter 3.7.5 Block Matcher 3.8 Video Processing Using Simulink Review Questions 4 Pattern Recognition 4.1 Introduction 4.2 Toolboxes and Functions 4.2.1 Computer Vision System Toolbox (CVST) 4.2.2 Statistics and Machine Learning Toolbox (SMLT) 4.2.3 Neural Network Toolbox (NNT) 4.3 Data Acquisition 4.4 Pre-processing 4.5 Feature Extraction 4.5.1 Minimum Eigenvalue Method 4.5.2 Harris Corner Detector 4.5.3 FAST Algorithm 4.5.4 MSER Algorithm 4.5.5 SURF Algorithm 4.5.6 KAZE Algorithm 4.5.7 BRISK Algorithm 4.5.8 LBP Algorithm 4.5.9 HOG Algorithm 4.6 Clustering 4.6.1 Similarity Metrics 4.6.2 k-means Clustering 4.6.3 Hierarchical Clustering 4.6.4 GMM-Based Clustering 4.7 Classification 4.7.1 k-NN Classifiers 4.7.2 Artificial Neural Network (ANN) classifiers 4.7.3 Decision Tree Classifiers 4.7.4 Discriminant Analysis Classifiers 4.7.5 Naive Bayes Classifiers 4.7.6 Support Vector Machine (SVM) Classifiers 4.7.7 Classification Learner App 4.8 Performance Evaluation Review Questions Function Summary References Index