دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Markov Random Field Modeling in Image Analysis
دانلود کتاب مدلسازی میدان تصادفی مارکوف در تحلیل تصویر
مشخصات کتاب
Markov Random Field Modeling in Image Analysis
ویرایش:
نویسندگان: Stan Z. Li (auth.)
سری: Computer Science Workbench
ISBN (شابک) : 9784431703099, 9784431670445
ناشر: Springer Japan
سال نشر: 2001
تعداد صفحات: 337
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
قیمت کتاب (تومان) : 44,000
کلمات کلیدی مربوط به کتاب مدلسازی میدان تصادفی مارکوف در تحلیل تصویر: تشخیص الگو، پردازش تصویر و بینایی کامپیوتری، ریاضیات محاسبات
در صورت تبدیل فایل کتاب Markov Random Field Modeling in Image Analysis 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 مدلسازی میدان تصادفی مارکوف در تحلیل تصویر 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.
توضیحاتی در مورد کتاب مدلسازی میدان تصادفی مارکوف در تحلیل تصویر
نظریه میدان تصادفی مارکوف (MRF) مبنایی برای مدلسازی محدودیت‌های زمینه‌ای در پردازش و تفسیر بصری فراهم می‌کند. هنگامی که با اصول بهینه سازی استفاده می شود، ما را قادر می سازد تا الگوریتم های دید بهینه را به طور سیستماتیک توسعه دهیم. این کتاب یک مطالعه جامع در مورد استفاده از MRF برای حل مشکلات بینایی کامپیوتر ارائه می دهد. این کتاب بخش‌های ضروری زیر را پوشش می‌دهد: مقدمه‌ای بر نظریه‌های بنیادی، فرمول‌بندی مدل‌های بینایی MRF، تخمین پارامتر MRF، و الگوریتم‌های بهینه‌سازی. مدل‌های بینایی مختلفی در یک چارچوب یکپارچه ارائه می‌شوند، از جمله بازسازی و بازسازی تصویر، بخش‌بندی لبه و ناحیه، بافت، استریو و حرکت، تطبیق و تشخیص اشیا، و تخمین پوز. این ویرایش دوم شامل مهم‌ترین پیشرفت‌های مدلسازی مارکوف در تحلیل تصویر در سال‌های اخیر است، مانند مدلسازی مارکوف تصاویر با الگوهای \"ماکرو\" (به عنوان مثال مدل FRAME)، روش‌های زنجیره مارکوف مونت کارلو (MCMC)، پرش برگشت‌پذیر MCMC. این کتاب یک مرجع عالی برای محققانی است که در زمینه بینایی کامپیوتر، پردازش تصویر، تشخیص الگوی آماری و کاربردهای MRF کار می کنند. همچنین به عنوان یک متن برای دوره های پیشرفته در این زمینه ها مناسب است.
توضیحاتی درمورد کتاب به خارجی
Markov random field (MRF) theory provides a basis for modeling contextual constraints in visual processing and interpretation. It enables us to develop optimal vision algorithms systematically when used with optimization principles. This book presents a comprehensive study on the use of MRFs for solving computer vision problems. The book covers the following parts essential to the subject: introduction to fundamental theories, formulations of MRF vision models, MRF parameter estimation, and optimization algorithms. Various vision models are presented in a unified framework, including image restoration and reconstruction, edge and region segmentation, texture, stereo and motion, object matching and recognition, and pose estimation. This second edition includes the most important progress in Markov modeling in image analysis in recent years such as Markov modeling of images with "macro" patterns (e.g. the FRAME model), Markov chain Monte Carlo (MCMC) methods, reversible jump MCMC. This book is an excellent reference for researchers working in computer vision, image processing, statistical pattern recognition and applications of MRFs. It is also suitable as a text for advanced courses in these areas.
فهرست مطالب
Front Matter....Pages I-XIX
Introduction....Pages 1-42
Low Level MRF Models....Pages 43-80
High Level MRF Models....Pages 81-118
Discontinuities in MRFs....Pages 119-145
Discontinuity-Adaptivity Model and Robust Estimation....Pages 147-163
MRF Parameter Estimation....Pages 165-196
Parameter Estimation in Optimal Object Recognition....Pages 197-224
Minimization — Local Methods....Pages 225-248
Minimization — Global Methods....Pages 249-285
Back Matter....Pages 287-323
