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:
نویسندگان: E. R. Davies
سری: Microelectronics and Signal Processing Series
ISBN (شابک) : 0122060903, 9780122060908
ناشر: Academic Press
سال نشر: 1991
تعداد صفحات: 576
[552]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 38 Mb
در صورت تبدیل فایل کتاب Machine Vision: Theory, Algorithms, Practicalities 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 بینایی ماشین: نظریه، الگوریتم ها، عملیات 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.
بینایی ماشین: نظریه، الگوریتمها، عملیها محدودیتها،
محدودیتها و معاوضههای الگوریتمهای بینایی را پوشش میدهد. این
کتاب در چهار بخش شامل 21 فصل سازماندهی شده است که به موضوعات
کلی می پردازد، مانند سرکوب نویز، تشخیص لبه، اصول روشنایی، تشخیص
ویژگی، نظریه بیز، و تبدیل هاف.
بخش 1 ایده های تحقیقاتی در مورد ارائه می دهد. عملیات
تصویربرداری و فیلتر کردن تصویر، تکنیک های آستانه گذاری، تشخیص
لبه، و تجزیه و تحلیل الگوی مرزی و شکل باینری. بخش 2 به حوزه دید
سطح متوسط، ماهیت تبدیل هاف، تشخیص شکل و مکان گوشه می پردازد.
بخش 3 برخی از کاربردهای عملی کار اساسی را که قبلاً در کتاب
توضیح داده شده است نشان می دهد. این بخش همچنین برخی از اصول
زیربنایی اجرا را مورد بحث قرار می دهد، از جمله در مورد روشنایی
و سیستم های سخت افزاری. بخش 4 محدودیت ها و محدودیت های الگوریتم
های بینایی و راه حل های مربوط به آنها را برجسته می کند.
این کتاب برای دانشجویانی که دوره کارشناسی بینایی در مهندسی
الکترونیک یا علوم کامپیوتر دارند مفید خواهد بود.
Machine Vision: Theory, Algorithms, Practicalities covers the
limitations, constraints, and tradeoffs of vision algorithms.
This book is organized into four parts encompassing 21 chapters
that tackle general topics, such as noise suppression, edge
detection, principles of illumination, feature recognition,
Bayes’ theory, and Hough transforms.
Part 1 provides research ideas on imaging and image filtering
operations, thresholding techniques, edge detection, and binary
shape and boundary pattern analyses. Part 2 deals with the area
of intermediate-level vision, the nature of the Hough
transform, shape detection, and corner location. Part 3
demonstrates some of the practical applications of the basic
work previously covered in the book. This part also discusses
some of the principles underlying implementation, including on
lighting and hardware systems. Part 4 highlights the
limitations and constraints of vision algorithms and their
corresponding solutions.
This book will prove useful to students with undergraduate
course on vision for electronic engineering or computer
science.