☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　《图像处理与脉冲耦合神经网络：基于Python的实现（第3版）》对多种生物视觉模型的起源及特点进行了分析，并详述了PCNN与ICM两种模型的构成及工作机理。然后以PCNN与ICM模型为基础，全面说明了这两种模型在图像分析、目标分离、纹理识别、彩色图像处理、图像时间信号提取与应用及逻辑分析等方面的应用。同时还对书中多种算法给出了具体的Python实现代码。
　　《图像处理与脉冲耦合神经网络：基于Python的实现（第3版）》内容丰富、案例典型、学术性强、应用价值强、可读性好。非常适合从事智能信息处理、图像处理与识别等信息学科相关专业人员阅读与使用。

作者简介

　　徐光柱，男，1979年1月生，副教授。2007毕业于兰州大学，获得无线电物理专业博士学位。2007年加入三峡大学从事教学科研工作。2010年12月-2011年6月在美国南卡罗来纳州克莱姆森大学做访问学者。目前在三峡大学计算机与信息学院从事教学科研工作。主要从事计算机视觉与图像图形处理等方面的研究。
　　
　　马义德，男，1963年2月生，甘肃临夏人，教授。2001年获得兰州大学博士学位，现任兰州大学信息科学与工程学院电路与系统研究所所长，兰州大学Ti-DSP联合实验室主任。目前在兰州大学信息科学与工程学院从事教学科研工作，主要从事数字图像处理、嵌入式系统等方面的研究。
　　
　　雷帮军，男，1973年6月生，湖北宜昌人，教授。2003年获荷兰德尔夫特理工大学博士学位，湖北省“百人计划”特聘教授，楚天学者特聘教授。现任三峡大学智能视觉与图像信息研究所所长，湖北省水电工程智能视觉监测重点实验室主任。主要从事数字图像处理、计算机视觉等方面的研究。
　　
　　Thomas Lindblad（托马斯·林德布拉德）于1974年获得瑞典斯德哥尔摩大学博士学位，瑞典皇家理工学院教授。早期从事核结构与离子物理学方面的研究，专注于检测系统；后期专注于教学，在瑞典皇家理工学院物理系从事环境物理学的教学多年，指导本科生从事科学研究。在此期间他的研究领域聚焦在传感器技术与持续数据流中的特征提取。
　　
　　Jason M.Kinser（詹森·金赛）分别于1994年与1987年获得光学与光电系统博士学位及物理学硕士学位。1994年他作为副研究员加入AlabamaA&M;大学，同时也是应用光学科学中心的创始人员之一。1997年他来到乔治梅森大学任职，现在是该校物理与计算科学学院的副教授。他的研究领域包括光学与图像信息处理（脉冲图像处理）及多学科领域中的数据处理。

内页插图

目录

第1章 生物模型
1．1 引言
1．2 生物学基础
1．3 Hodgkin-Huxley模型
1．4 Fitzhugh-Nagumo模型
1．5 Eckhom模型
1．6 aybak模型
1．7 Parodi模型
1．8 小结

第2章 Python程序设计
2．1 编程环境
2．1．1 命令行界面
2．1．2 IDLE
2．1．3 创建一个工作环境
2．2 数据类型和简单的数学运算
2．3 元组、列表和字典
2．3．1 元组
2．3．2 列表
2．3．3 字典
2．4 切片
2．5 字符串
2．5．1 字符串函数
2．5．2 类型转换
2．6 控制流
2．7 输入和输出
2．7．1 文本文件读写
2．7．2 Pickle模块
2．8 函数
2．9 模块
2．10 面向对象的程序设计
2．10．1 类的内容
2．10．2 运算符定义
2．10．3 继承
2．11 检错
2．12 小结

第3章 Numpy、SciPy和Python Image Library
3．1 NumPy
3．1．1 创建数组
3．1．2 数组转换
3．1．3 矩阵：向量乘法
3．1．4 数组的优势
3．1．5 数据类型
3．1．6 排序
3．1．7 字符串和列表的转换
3．1．8 矩阵的改变
3．1．9 高级切片
3．2 SciPy
3．3 NumPy中的设计
3．4 Python图像库PIL（Python Image Library）
3．4．1 图像的读出
3．4．2 图像的写入
3．4．3 图像转换
3．5 小结

第4章 PCNN与ICM
4．1 PCNN
4．1．1 原始模型
4．1．2 Python实现
4．1．3 脉冲发放行为
4．1．4 神经元动态行为的累积
4．1．5 时间信号
4．1．6 神经元连接
4．1．7 快速连接
4．1．8 连续时间模型
4．2 ICM
4．2．1 最小连接需要
4．2．2 ICM原理
4．2．3 ICM中的连接
4．2．4 ICM的Pvthon实现
4．3 小结

第5章 图像分析
5．1 相关图像信息
5．2 图像分割
5．2．1 血细胞
5．2．2 乳房X线影像
5．3 自适应分割
5．4 焦点和分级聚焦点
5．4．1 分级聚焦检测（凹点检测）算法
5．4．2 基于PCNN多级聚焦模型的目标识别
5．5 图像分解
5．6 小结

第6章 反馈和分离
6．1 反馈式PCNN
6．2 目标分离
6．2．1 输入图像的规格化
6．2．2 滤波器的创建
6．2．3 脉冲图像的边缘增强
6．2．4 相关及改进
6．2．5 峰值检测
6．2．6 对输入图像和PCNN所做的调整
6．2．7 驱动程序
6．3 动态目标分离
6．4 阴影目标
6．5 噪声图像下的情况
6．6 小结

第7章 分类识别
7．1 航空器
7．2 北极光
7．3 目标识别：二值图像的相关性
7．4 星系
7．5 手势识别
7．6 路面检测
7．7 数字符号
7．7．1 数据集合
7．7．2 分离出各类的训练图像
7．8 产生脉冲图像
7．8．1 图像时间信号的分析
7．9 人脸定位及识别
7．10 小结

第8章 纹理识别
8．1 脉冲谱
8．2 纹理脉冲谱的统计可分性
8．3 基于统计方法的脉冲谱识别
8．4 基于联想记忆的脉冲谱识别
8．5 生物学上的运用
8．6 纹理研究
8．7 小结

第9章 颜色和多通道
9．1 模型
9．1．1 彩色图像的例子
9．1．2 基于Python的实现
9．2 多光谱实例
9．3 彩色模型的应用
9．4 小结

第10章 图像的时间信号
10．1 图像的时间信号理论
10．1．1 PCNN和图像时间信号
10．1．2 彩色与形状
10．2 目标的时间信号
10．3 真实图像的时间信号
10．4 图像时间信号数据库
10．5 计算最佳视角
10．6 运动估计
10．7 小结

第11章 逻辑
11．1 迷宫穿行和TSP（旅行商）问题
11．2 条形码和导航
11．3 小结
附录A 图像转换器
附录B 几何模块
附录C 分数幂指数滤波器
附录D 相关运算
附录E FAAM
附录F 主成分分析
参考文献

前言/序言

　　相对于第二版而言，第三版增加了两个主要的部分。首先是增加了一些新的应用。近年来与PCNN及交叉皮层模型（ICM）相关的论文不断涌现，其中一些被选入了本书。
　　第二个主要变化是增加了Python脚本代码。近十年来，作为一个功能强大的工具，Python已经被用于很多科学研究领域。配合Numeric包，Python能以寥寥几行代码轻松地实现线性代数运算。这种高效性使得在书中理论及应用部分加入Python脚本代码成为可能。
　　我们尽一切可能力求书中相关应用的Python代码完整可靠。脚本代码是基于Python2.7的，这是Linux发行版本中的标准配置。使用Python3.0的读者会发现一些语法差异，需要对Python2.7版本下的代码进行相应调整。
　　对Python编程较为熟悉的读者可能会注意到书中代码可以被压缩至更少行。但本书附带代码的用意是传递学术信息，所以脚本代码相对于精简性而言更偏重于可读性。
　　本书作者编写的所有Python脚本代码可以从网站http：//www.binf.gmu.edu/kinser下载。Python系统、Numeric Python包（NumPy）、Scientific Python包（SciPy）、Python图像包（Python Image Library，PIL）可以从其各自的网站获得，这将在本书第3章给出说明。书中所有脚本代码受版权保护，只能用于学术研究，未经允许，不得用于商业目的。
图像处理与脉冲耦合神经网络：基于Python的实现（第3版） [Image Processing Using Pulse-Coupled Neural Networks:Applications in 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

非常好，以后还会买，值得拥有，快递也很给力。

评分☆☆☆☆☆

1111111111

评分☆☆☆☆☆

一起买的书，双十一凑在一起，还没看感觉不错！

评分☆☆☆☆☆

还没看呢。。。

评分☆☆☆☆☆

好

评分☆☆☆☆☆

好书好书

评分☆☆☆☆☆

好书好书

评分☆☆☆☆☆

很不错，写的很好，正好赶上活动。

评分☆☆☆☆☆

1111111111

类似图书 点击查看全场最低价